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,流通盘小于等于55亿股。
选股逻辑分析
该选股逻辑结合了波动性、短期涨幅和流通盘三个因素，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，流通盘小于等于55亿股则表明该股票流通性较好，具有较高的交易活跃度。因此，该选股逻辑主要选股对象为具有良好市场表现和投资回报潜力的小市值股票。
有何风险？
以下是该选股逻辑可能存在的风险：
- 流通盘小于等于55亿股的选股条件过于严格，导致股票数量过少，投资组合分散性不够；
- 长期价值和基本面的考量不足，难以选取具有长期投资价值的优质股票；
- 过于追求短期涨势，容易导致投资风险和投机行为。
如何优化？
为缓解上述风险，可采取以下优化措施：
- 松绑流通盘的选股条件，放宽到60亿或70亿股以上，增加选股数量和投资组合的分散性；
- 对选股逻辑中的多个因素进行加权统计和筛选，保持统一性和可靠性；
- 强化长期价值和基本面因素，加入资产负债表、利润表、现金流量表等考虑因素；
- 增加股票持有时间，减少投机行为和短期波动风险。
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；
- 流通盘小于等于60亿股；
- 股票重点关注具有良好市场表现和投资回报潜力的小市值股票。
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(CAPITAL_SUM<5.5E10,1,0);
SELECTOR = C1*C2*C3;
RESULT = SORT_RANK(SELECTOR,DESCEND(VOLUME));
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 liquidity(df, n):
return df['capital_sum'][-1] <= 6e10
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(liquidity(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。
