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,收盘价<boll(upper值)且收盘价>boll(mid值)。
选股逻辑分析
该选股策略主要考虑了价格波动、短期向上趋势和股票的买入点，加入了收盘价和布林线的判断条件，可以选择出价格处于上涨趋势维持期的股票。该策略相对细致，能够更贴合股票的买入点，但存在过于短视的风险。
有何风险？
该选股策略存在以下风险：
- 关注的时间周期较短，忽略了股票长期趋势和企业基本面的影响；
- 过于关注短期价格的变化，忽略了市场交易量等因素的影响；
- 选股标准较为苛刻，不能对较多的股票进行有效的筛选。
如何优化？
为了缓解以上风险，可以进行以下优化：
- 增加股票的基本面因素，如企业价值、盈利能力等；
- 综合考虑波动率与交易量的综合指标，筛选出更为优质的股票；
- 适当调整选股策略的标准，参考其他量化投资指标，扩大选股面；
最终的选股逻辑
据此，我们最终确定的选股逻辑为：
- 振幅大于1；
- 近25个交易日内有单日涨幅大于等于百分之10；
- 收盘价低于布林线upper值且高于布林线mid值；
- 加入股票的基本面指标；
- 综合考虑波动率与交易量的综合指标；
- 合理调整选股策略的标准。
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 = IF(CLOSE < BOLL(CLOSE,20, 2), 1, 0);
C4 = IF(CLOSE > BOLL(CLOSE, 20, 1), 1, 0);
C5 = // 增加基本面指标；
C6 = // 综合考虑波动率与交易量的综合指标；
SELECTOR = C1*C2*C3*C4*C5*C6;
RESULT = SORT_RANK(SELECTOR, DESCEND(HEAT));
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')
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 20), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) > 0.1, 1, 0)
C3 = np.where(df['close'] < ta.bbands(df['close'], 20, 2)[0], 1, 0)
C4 = np.where(df['close'] > ta.bbands(df['close'], 20, 1)[0], 1, 0)
C5 = // 增加基本面指标；
C6 = // 综合考虑波动率与交易量的综合指标；
selector = C1 * C2 * C3 * C4 * C5 * C6
result = df.sort_values(by='heat', ascending=False).index[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。
