(supermind)振幅大于1、昨天3连板、连续3天以上大单净量大于0

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选股逻辑:振幅大于1、昨天有3连板、连续3天以上大单净量大于0.05。

选股逻辑分析

该选股逻辑主要是以市场活跃度、技术分析和资金面为参考因素。振幅大于1是反映市场活跃度的指标之一,昨天有3连板更加表明该股票当前有一定的市场关注度。连续3天以上大单净量大于0.05反映股票存在一定主力资金的支持。该选股逻辑选择了多个指标进行筛选,但可能存在一些公司基本面和其他资金面指标等没有充分考虑的问题。

有何风险?

以下是该选股策略存在的风险:

  1. 过度依赖技术分析、过度看重市场关注度和单一的资金面因素,无法全面考虑股票的基本面表现;
  2. 大单净量的指标可能会存在一定的噪音,需要结合实际市场情况进行判断和分析;
  3. 选股标准较为单一,不能充分考虑个股之间的差异性和行业差异性。

如何优化?

为了优化该选股逻辑,可以考虑以下优化方案:

  1. 加入资产负债表、利润表等财务指标作为选股指标之一,综合考虑选股的精度;
  2. 对于大单净量的指标,需要进行多个时间段的比较和综合分析,减少噪音干扰;
  3. 在选股标准中加入相对估值、盈利能力等指标,更加综合考虑股票的筛选。

最终的选股逻辑

改进后的选股逻辑如下:

  1. 筛选振幅大于1的股票;
  2. 在1的基础上,筛选昨天有3连板的股票;
  3. 在2的基础上,筛选连续3天以上大单净量大于0.05的股票;
  4. 在3的基础上,加入相对估值、盈利能力等指标,综合考虑较好的公司基本面、行业趋势、相对估值和板块轮动等,选取业绩稳定、有一定盈利能力和相对估值较低的股票。

同花顺指标公式代码参考

该选股逻辑的通达信指标公式如下:

C1 := (HIGH - LOW) > 1;
C2 := (REF(CLOSE, 1) > REF(CLOSE, 2)) AND (REF(CLOSE, 2) > REF(CLOSE, 3));
C3 := SUM(CAPITALFLOW_NET_VOL,3)/ SUM(VOL, 3) > 0.05 AND SUM(CAPITALFLOW_NET_VOL,6)/ SUM(VOL, 6) > 0.05 AND SUM(CAPITALFLOW_NET_VOL,9)/ SUM(VOL, 9) > 0.05;
SELECTOR := C1 AND C2 AND C3;

其中 CAPITALFLOW_NET_VOL 代表资金净流入、VOL 代表成交量,此处加入了连续3天以上大单净量的筛选。

python代码参考

import pandas as pd
from tqsdk import TqApi, TqAuth

api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))

klines = api.get_kline_serial("SHFE.rb2101", 24 * 60 * 60, data_length=300) # 获取 df 数据,周期为日K线
df = pd.DataFrame(klines)

C1 = (df['high'] - df['low'] >= 1)
C2 = df.groupby('contract.symbol')['close'].apply(lambda x: (x.shift(1) > x.shift(2)) & \
                                                             (x.shift(2) > x.shift(3))).astype(int)
N = 3
capital_flow_net_vol = df.groupby('contract.symbol')['volume'].rolling(N).apply(lambda x: api._get_quote(x.index, 'capital_flow')['capital_flow']['main_direction_money'], raw=False)
vol = df.groupby('contract.symbol')['volume'].rolling(N).sum()
condition = (capital_flow_net_vol / vol > 0.05).groupby('contract.symbol').apply(lambda x: x.all()).astype(int)
C3 = condition & ((condition.shift(1) == 1) & (condition.shift(2) == 1) & (condition.shift(3) == 1))
selector = (C1 & C2 & C3).astype(int)
result = df[selector == 1].index.tolist()
    ## 如何进行量化策略实盘?
    请把您优化好的选股语句放入文章最下面模板的选股语句中即可。

    select_sentence = '市值小于100亿' #选股语句。

    模板如何使用?

    点击图标右上方的复制按钮,复制到自己的账户即可使用模板进行回测。


    ## 如果有任何问题请添加 下方的二维码进群提问。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论