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,周线出现红柱。该策略旨在挑选出波动较大、市场相对稳定,并且有近期上涨势头的股票标的。
选股逻辑分析
- 振幅大于1表明该股票波动较大,有高收益的可能性;
- 开盘价在十日均线左右说明该股票的市场态势相对稳定;
- 周线出现红柱表明该股票在近期有上涨势头。
有何风险?
- 过于依赖技术面,可能忽略了其他因素对股票的影响;
- 策略选股范围狭窄,可能会错过其他优质股票;
- 当市场处于牛市时,红柱出现的次数可能过多,难以确定真正有上涨动力的标的。
如何优化?
- 在策略选股时,需要综合考虑多方面因素,如财务数据、市场表现等,提高选股准确性;
- 设定更加严格的条件来确定选股范围;
- 定期复盘,并及时发现问题进行调整。
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,周线出现红柱。在筛选时,需要综合考虑多方面因素,并设置更加严格的筛选条件。
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);
amp = 100 * (high - low) / close;
picks_amplitude = IF(amp > 1, 1, 0);
# 计算十日平均线
ma10 = MA(CLOSE, 10);
picks_ma10 = IF((OPEN > ma10 * 0.95) & (OPEN < ma10 * 1.05), 1, 0);
# 计算周线红柱,选用WR指标
WR1 = WR(C, H, L, 4, 10);
WR2 = WR(C, H, L, 5, 10);
WR = IF(WR2 > WR1, WR2, WR1);
picks_WR = IF(GREEN, 1, 0);
Week_WR = EVERYXDATE(picks_WR, WEEK());
# 输出选股结果
picks_stock = picks_amplitude * WEEK_WR * picks_ma10;
WriteIf(picks_stock, picks_stock, 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())
# 计算十日平均线
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)
# 计算周线红柱,选用WR指标
df['WR1'] = talib.WILLR(df['high'].values, df['low'].values, df['close'].values, timeperiod=4)
df['WR2'] = talib.WILLR(df['high'].values, df['low'].values, df['close'].values, timeperiod=5)
df['WR'] = np.where(df['WR2']>df['WR1'], df['WR2'], df['WR1'])
df['picks_WR'] = ((df['WR'] > 0) & (df['WR'].diff() > 0)).apply(lambda x: True if x else False)
Week_WR = df.groupby(pd.Grouper(key='trade_date',freq='W-MON'))['picks_WR'].last().reset_index(drop=True)
# 输出选股结果
picks_stock = set(df[df['picks_ma10'] & Week_WR]['ts_code'].tolist()) & picks_amplitude
print(picks_stock)
## 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。
