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,涨幅<2.6且涨幅>-5。
选股逻辑分析
该选股策略也是综合考虑市场波动性和个股走势特点，振幅大于1可以筛选出波动较大的个股；近25个交易日有单日涨幅大于等于百分之10可以筛选出有一定上涨趋势的个股；涨幅在-5%至2.6%之间可以筛选出波动较小但有投资机会的个股。该选股策略更注重个股的价值挖掘，而非短期趋势操作。
有何风险？
该选股策略存在以下风险：
- 选股指标相对单一，可能忽略了其它重要因素。
- 筛选方向单一且较为保守，可能会错过市场中某些高风险高收益的投资机会。
- 选出的股票仅具有一定价值潜力，但可能存在不能立即实现的风险。
如何优化？
为了提高该选股逻辑的准确性和质量，我们建议进行以下优化：
- 修改选股指标，加入其他重要的因素，如市盈率、市净率、净资产收益率等，从多个视角全面检视个股投资价值。
- 设定精准的风险控制因素，从股票的高低波动性、市场行情等方面，进行精细管理，降低风险。
- 优化股票池构成，选择绩优、业绩稳定的公司，集中投资未来具有发展前景的相关板块。
最终的选股逻辑
基于以上考虑，我们最终确定的选股逻辑如下：
- 振幅大于1。
- 近25个交易日有单日涨幅大于等于百分之10。
- 涨幅在-5%至2.6%之间。
- 考虑市盈率、市净率、净资产收益率等基本面数据。
- 设定风险限制条件，如beta、VaR等。
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/REF(CLOSE,1)-1 >= -0.05 AND CLOSE/REF(CLOSE,1)-1 <= 0.026, 1, 0);
C4 = //考虑基本面数据的代码。
C5 = // 设定风险限制条件的代码。
SELECTOR=C1*C2*C3*C4*C5;
RESULT= SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()));
python代码参考
df = pd.read_csv('your_data.csv', index_col='date')
C1 = np.where(df['high'] - df['low'] > ta.atr(), 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(1) - 1 >= -0.05) & (df['close'] / df['close'].shift(1) - 1 <= 0.026), 1, 0)
C4 = //考虑基本面数据的代码。
C5 = // 设定风险限制条件的代码。
selector = C1 * C2 * C3 * C4 * C5
result = 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。
