问财量化选股策略逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、今日最大跌幅在-5%到-4%之间。该策略旨在找到短期内波动较大、但处于调整期、具有一定反弹潜力的股票。
选股逻辑分析
- 振幅大于1说明短期内波动较大;
- 开盘价在十日均线左右说明股票处于调整期;
- 今日最大跌幅在-5%到-4%之间,说明股票暴跌但处于反弹区间,具有一定分时走势的反弹潜力。
有何风险?
- 暂时的调整和短期回调都是可以纠正的,而强调这种情况下的股票可能会给原本安全的投资提供不必要的风险。如果没有及时和准确的跟上市场的快速变化,该策略可能会带来大幅的亏损;
- 所选股票的最大跌幅在-4%到-5%之间,如果跌幅过大则反弹潜力不足,如果跌幅不够则不具有翻红的潜力。
如何优化?
- 加入其他指标一起筛选,以提高策略准确度;
- 优先选择具有较好业绩且处于股票暴跌的底部,
最终的选股逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、今日最大跌幅在-5%到-4%之间的股票,并加入其他指标的综合考虑,以提高选股准确度。
同花顺指标公式代码参考
# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)
# 判断开盘价在十日均线左右
ma10 = MA(CLOSE, 10)
picks_ma10 = IF((OPEN > ma10*0.95) & (OPEN < ma10*1.05), 1, 0)
# 选取今日最大跌幅为-5%到-4%的股票
max_percent = MAX((REF(CLOSE, 0) - OPEN) / OPEN * 100, (OPEN - REF(CLOSE, 0)) / REF(CLOSE, 0) * 100)
picks_max_percent = IF((max_percent > -5) & (max_percent < -4), 1, 0)
# 选取符合条件的股票
picks_final = picks_amplitude * picks_ma10 * picks_max_percent
# 输出选股结果
WriteIf(picks_final, picks_final, 0)
python代码参考
# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = set(df[df['amplitude'] > 1]['ts_code'].tolist())
# 判断开盘价在十日均线左右
ma10 = df['close'].rolling(10).mean()
df['picks_ma10'] = ((df['open'] > ma10*0.95) & (df['open'] < ma10*1.05)).apply(lambda x: True if x else False)
picks_ma10 = set(df[df['picks_ma10']]['ts_code'].tolist())
# 选取今日最大跌幅为-5%到-4%的股票
df['max_percent'] = df.apply(lambda row: (row['close'] - row['open']) / row['open'] * 100 if row['close'] > row['open'] else (row['open'] - row['close']) / row['close'] * 100, axis=1)
df['picks_max_percent'] = ((df['max_percent'] > -5) & (df['max_percent'] < -4)).apply(lambda x: True if x else False)
picks_max_percent = set(df[df['picks_max_percent']]['ts_code'].tolist())
# 选取符合条件的股票
picks_final = picks_amplitude & picks_ma10 & picks_max_percent
# 输出选股结果
print(picks_final)
## 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。
