问财量化选股策略逻辑
选股逻辑为：振幅大于1，流通市值大于100亿元，昨日9:15匹配价跌停。该选股策略注重选取同时具有市值和交易活跃度优势的股票，且针对昨日出现跌停情况的股票进行筛选。
选股逻辑分析
该选股策略主要考虑市值和交易活跃度两个方面，振幅大于1可以反映出一定的交投活跃度，流通市值大于100亿元则是考虑到公司规模。此外，考虑到昨日9:15的匹配价为上个交易日的收盘价，若存在昨日匹配价跌停的情况，则说明该股票在前一个交易日出现了较大的负面消息或事件。因此通过该条件进行筛选，可以过滤掉前一天出现负面情况的股票。
有何风险？
由于选股策略过于依赖于昨日的数据，可能存在部分股票已经在昨天或者更早之前出现负面情况，但是在今天的市场表现并未受到太大影响。同时，振幅大于1可能包含一定的炒作成分，需要进行进一步分析。
如何优化？
可以考虑加入其他指标，例如成交金额、换手率等，并结合公司基本面因素和行业发展等进行分析。同时，可以考虑采用更为及时的信息进行筛选，如当日开盘价跌停等。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，并且昨日9:15匹配价跌停，同时结合公司基本面因素和行业发展等进行分析。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100) >= 1; //振幅大于1
C2: CIRC_MV > 10000000000; //流通市值大于100亿元
C3: YESTERDAY(LOWER_LIMIT_PRICE) == LOWER_LIMIT_PRICE; //昨日匹配价跌停
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,market')
# 筛选符合条件的股票
daily_data = pro.daily_basic(trade_date='20220105')
data = pd.merge(data, daily_data, on='ts_code', how='left')
data.dropna(inplace=True)
data['sort'] = data['circ_mv'].rank(ascending=False) # 根据流通市值进行排序
data = data[data['sort'] <= 200] # 取前200名
select_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
market = data.iloc[i]['market']
if market != 'SH': # 非主板股票
continue
if data.iloc[i]['turnover_rate'] < 1: # 低换手率
continue
daily_price = pro.daily(ts_code=code, trade_date='20220105', fields='trade_date,open,high,low,close')
if(len(daily_price) == 0):
continue
yesterday_daily_price = pro.daily(ts_code=code, trade_date='20220104', fields='close,lower_limit')
if(len(yesterday_daily_price) == 0 or yesterday_daily_price.iloc[0]['lower_limit'] <= 0 or
yesterday_daily_price.iloc[0]['close'] <= yesterday_daily_price.iloc[0]['lower_limit']):
continue
yesterday_daily_price = pro.daily(ts_code=code, start_date='20220103', end_date='20220103', fields='close')
if(len(yesterday_daily_price) == 0):
continue
select_list.append({'ts_code':code, 'name': data.iloc[i]['name']})
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(select_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_stocks
## 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。
