问财量化选股策略逻辑
选股逻辑：振幅大于1,近25个交易日有单日涨幅大于等于百分之10,今日最低价小于昨日最低价。
选股逻辑分析
该选股逻辑考虑了标的短期强势和今日价格的相对波动情况，筛选出可能存在明显价格底部支撑的标的，具备较好的反弹潜力。然而，该选股逻辑过于追求短期走势的演绎，忽略了公司基本面因素的影响，同时，单纯依赖今日最低价与昨日最低价的关系，可能会忽略其他价格相关指标的意义。
有何风险？
该选股逻辑可能存在以下风险：
- 部分标的涨幅较大，却缺乏稳定的持续增长性；
- 忽略公司基本面因素对于短期走势的影响；
- 基于单一的价格指标筛选标的，难以全面考虑标的的投资价值；
- 对于小盘股的适用性有限。
如何优化？
为了降低上述风险，我们可以采取以下优化措施：
- 综合考虑公司基本面和市场热度等因素，以确保标的具有稳健的成长性；
- 考虑其他的价格指标，如价格均线、K线等，以全面衡量标的的价格变化；
- 调整选股条件以降低标的的风险性，例如增加涨停板数、市值等条件；
- 按照市场特点和标的类型的不同分别制定选股策略，更加深入地挖掘标的的潜力。
最终的选股逻辑
基于上述考虑，我们综合出以下选股逻辑：
- 振幅大于1；
- 近25个交易日有单日涨幅大于等于百分之10；
- 今日最低价小于昨日最低价；
- 市值大于10亿；
- 近5个交易日内，涨停板数小于等于2。
同花顺指标公式代码参考
C1 = IF(HIGH-LOW > ATR(CLOSE, 14), 1, 0);
C2 = IF(ABS((CHANGE(CLOSE, 1) / REF(CLOSE, 1))) >= 0.1, 1, 0);
C3 = IF(LOW < YESTERDAY(LOW, 1), 1, 0);
C4 = IF(MARKETVALUE >= 10E+8, 1, 0);
C5 = COUNT(CLOSE==LIMITUP, 5) <= 2;
SELECTOR = C1*C2*C3*C4*C5;
RESULT = SELECTOR;
python代码参考
import pandas as pd
import numpy as np
import talib as ta
df = pd.read_csv('your_data.csv', index_col='date')
def short_term_momentum(df, n):
return df.iloc[-n:]['return'].all() > 0
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 14), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) >= 0.1, 1, 0)
C3 = np.where(df['low'] < df['low'].shift(1), 1, 0)
C4 = np.where(df['marketvalue'] >= 10e+8, 1, 0)
C5 = np.count_nonzero(df.iloc[-5:]['close'] == df.iloc[-5:]['limit_up']) <= 2
selector = C1 * C2 * C3 * C4 * C5
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。
