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,昨天3连板。
选股逻辑分析
该选股逻辑综合考虑了波动性、短期强势和昨天的连板等因素，选出的标的通常具备较高的上涨潜力，但需要注意连板标的的高风险性。该选股逻辑对于短期市场的强势标的有较好的捕捉能力，但忽略了公司基本面因素对于短期走势的影响。
有何风险？
该选股逻辑可能存在以下风险：
- 对短期强势的标的过分依赖，可能会忽略基本面因素的影响；
- 过分追求昨天的涨幅和连板情况，可能将高风险的标的选入组合；
- 对于昨天的连板情况，缺乏对公司业绩和板块热度的深入分析；
- 选股逻辑忽略市场因素和宏观经济因素对选股策略的影响。
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、短期走势和市场热度等因素，而非仅仅依赖短期强势和昨天的涨势；
- 设定更加明确的筛选条件，以减少主观性和不确定性；
- 加大对公司业绩、板块热度等因素的深入分析和研究；
- 考虑市场因素和宏观经济因素对选股策略的影响。
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；
- 昨天有3连板。
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=YESTERDAY(CLOSE,3),1,0);
SELECTOR = C1*C2*C3;
RESULT = SORT_RANK(SELECTOR, DESCEND(VOLUME));
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'], 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'] == df['close'].shift(3), 1, 0)
selector = C1 * C2 * C3
result = df.sort_values(by='volume', 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。
