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,未清偿可转债简称不可为空。
选股逻辑分析
该选股策略综合了波动性、趋势性和金融工具特性因素，选取了振幅大于1，25个交易日内存在单日较大涨幅的股票，并筛选出了未清偿可转债简称不为空的股票。这里加入了金融工具特性因素不为空的限制，可能是由于短期内该类股票出现上涨影响力的一种逻辑。不过，这种逻辑比较大程度考虑短期市场热点因素，忽视了该类股票长期的基本面和价值因素的影响。
有何风险？
该选股策略存在以下风险：
- 根据未清偿可转债简称筛选，可能会忽视市场中其他好的股票；
- 受股票市场大国库扩进程的影响，近期未清偿可转债简称可能过多，导致选股范围缩小，从而影响某些股票；
- 忽略该类股票长期的基本面和价值因素的影响，可能过度依赖短期市场热情，可能导致资产很快得到散去的风险。
如何优化？
为了缓解上述风险，可以考虑进行以下优化：
- 适当降低未清偿可转债简称的限制，放宽筛选范围，提高选股的有效性和有效数量；
- 合理选择股票的金融工具属性因素，突破二元逻辑限制，增加筛选因素数量并制定容错机制；
- 加入长期的基本面和价值因素的影响，增加选股策略的鲁棒性和有效性；
- 设定适当的筛选指标并不断尝试，适时调整选股因素，以适应不同的市场波动，充分运用不同的选股指标，使得选股准确度更高。
最终的选股逻辑
综上，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；
- 未清偿可转债简称不为空；
- 基于金融工具的特性因素筛选合适的股票；
- 基于长期的基本面和价值因素进行细化和深入的分析和筛选。
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 = NOT(ISBLANK(可转债列));
C4 = // 基于金融工具特性的筛选；
SELECTOR = C1*C2*C3*C4*C5;
RESULT = SORT_RANK(SELECTOR,DESCEND(HEAT));
python代码参考
import pandas as pd
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 = ~df['可转债'].isna()
C4 = // 基于金融工具特性的筛选；
C5 = // 基于长期的基本面和价值因素进行筛选；
selector = C1 * C2 * C3 * C4 * C5
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。
