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,昨天龙虎榜。
选股逻辑分析
该选股逻辑结合了波动性、短期涨幅和市场情绪三个因素，振幅大于1表明该股票具有波动性，近25个交易日有单日涨幅大于等于百分之10表明该股票具有较好的短期涨势，昨日进入龙虎榜则表明市场情绪向好，具有短期较高的投资回报潜力。因此，该选股逻辑主要选股对象为具有短期投资价值的个股。
有何风险？
以下是该选股逻辑可能存在的风险：
- 过于注重短期涨幅和市场情绪，忽视了公司的基本面和长期业绩；
- 系统对龙虎榜的识别有误，导致股票的真实投资价值被高估；
- 市场情绪波动较大，难以控制投资风险。
如何优化？
为缓解上述风险，可采取以下优化措施：
- 综合考虑公司的基本面和长期业绩，挖掘有投资价值的龙头公司；
- 加强对龙虎榜信息的筛选和分析，减少错误判断的情况；
- 增加投资组合的分散性，降低市场波动的风险。
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个交易日单日涨幅大于等于百分之10；
- 昨天进入龙虎榜；
- 着眼于短期投资价值，选取有较高市场表现和投资回报潜力的个股。
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(LTDT,1,0);
SELECTOR = C1*C2*C3;
RESULT = SORT_RANK(SELECTOR,DESCEND(VOLUME));
其中，LTDT指昨天龙虎榜的情况，可以根据自己的数据进行编程。
python代码参考
import pandas as pd
import talib as ta
df = pd.read_csv('your_data.csv', index_col='date')
def long_term_consistency(df, n):
pass
def short_term_momentum(df, n):
return df['return'][-1] > 0
def market_sentiment(df, n):
return df['yesterday_on_board'][-1] == 1
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(market_sentiment(df, 1), 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。
