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,前天macd＜0。
选股逻辑分析
该选股逻辑综合考虑了市场短期动量和中长期趋势，选出了股票价格较为活跃且处于中期趋势反转状态的标的。在构建跟踪交易策略时，数组仓位比重 desxwh ，要根据具体交易目标来调整。
有何风险？
该选股策略可能存在以下风险：
- 选股逻辑相对于市场整体状态而言，过于特定，可能错过一些高增长标的；
- 对于某些高波动性股票，市场价值可能会短期内出现较大波动，使交易策略受到影响。
如何优化？
为了降低上述风险，我们可以考虑以下优化措施：
- 根据不同长期和短期投资目标设定不同的选股条件；
- 优化选股条件中所使用到的市场数据；
- 将选股策略与其他交易策略进行结合。
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；
- 前天MACD<0。
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(DIF > 0 AND REF(DIF, 2) < 0, 1, 0);
SELECTOR = C1*C2*C3;
RESULT = SELECTOR;
python代码参考
import pandas as pd
import numpy as np
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['MACD'] > 0) & (df['MACD'].shift(2) < 0), 1, 0)
selector = C1 * C2 * C3
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。
