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,按今日竞价金额排序前5。
选股逻辑分析
该选股策略结合了波动性、趋势性以及资金流向等因素。振幅大于1可以筛选出波动较大的股票，而单日涨幅大于等于百分之10则筛选出市场表现较好的个股。而按竞价金额排序前5，则反映了当天资金流入较多的个股，具有较高的短期上涨潜力。
有何风险？
该选股策略存在以下风险：
- 选股策略忽略了公司基本面数据和估值等因素，筛选出的股票可能不够全面和准确。
- 选股策略的竞价金额排序不一定反映当前市场的整体情况，可能会被市场异常波动所影响。
- 纯以当天竞价金额排序可能存在一定的随机性，需要考虑其他更可靠的资金流向指标。
如何优化？
在基于该选股策略的前提下，可以优化的方面有：
- 加入公司基本面数据、业绩、市场竞争等因素，全面提高股票的评估精度。
- 考虑更准确和更稳定的资金流向指标，如主动买入额、净流入额等。
- 考虑加入其他技术分析指标，结合基本面和资金流向等因素，更全面准确地筛选符合条件的个股。
最终的选股逻辑
基于以上考虑，我们最终确定的选股逻辑如下：
- 振幅大于1。
- 近25个交易日单日涨幅大于等于百分之10。
- 按当天主动买入额排序前5。
- 考虑公司基本面数据、业绩、市场竞争等因素。
- 考虑其他技术分析指标，如均线、涨跌幅等。
同花顺指标公式代码参考
C1 = IF(HIGH-LOW > ATR(CLOSE,20), 1, 0);
C2 = IF(ABS((CLOSE-REF(CLOSE, 1))/REF(CLOSE,1)) > 0.1, 1, 0);
C3 = RANK(VOL)-RANK(AMOUNT);
C4 = IF(C1 AND C2 AND C3<5, 1, 0);
C5 = // 考虑公司基本面数据的代码
C6 = // 考虑其他技术指标的代码
SELECTOR = C4*C5*C6;
RESULT= SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()));
python代码参考
df = pd.read_csv('your_data.csv', index_col='date')
C1 = np.where(df['high'] - df['low'] > ta.atr(df), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) > 0.1, 1, 0)
C3 = df['vol'].rank(ascending=False) - df['amount'].rank(ascending=False)
C4 = np.where((C1 == 1) & (C2 == 1) & (C3 < 5), 1, 0)
C5 = // 考虑公司基本面数据的代码
C6 = // 考虑其他技术指标的代码
selector = C4 * C5 * C6
result = np.argsort(np.argsort(selector))
## 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。
