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,竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万。
选股逻辑分析
该选股逻辑将短期涨跌、竞价买入量、大单买入量作为选股依据，适用于短期波动特别明显，并且市场看好的股票。其中，竞价时买入大单与特大单的买入量可以反映股票市场的短期流动性，同时也是市场看好股票的表现。选股逻辑中的振幅和单日涨跌幅是反映波动性的重要指标，符合短期操作的需求。
有何风险？
该选股逻辑可能存在以下风险：
- 买入大单和特大单的数量并不能完全反映市场的看好程度，这种操作可能存在被套牢的风险；
- 市场波动较大或整体下跌时，涨跌幅买入大单和特大单的操作可能会使得损失加大；
- 筛选条件较为苛刻，可能会过滤掉一些符合长期逻辑的标的。
如何优化？
为了降低上述风险，我们可以采取以下优化措施：
- 结合基本面数据，对五年内财务指标、行业数据等进行分析，找出真正有价值的标的；
- 在涨跌幅买入大单和特大单的筛选条件上进行调整，根据市场情况适当降低要求；
- 将逻辑中的单一指标转化为复合指标，以更全面的量化手段进行选股。
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个交易日有单日涨幅大于等于百分之10；
- 竞价时涨跌幅买入大单、特大单共计买入量大于0.5千万；
- 总市值大于50亿。
同花顺指标公式代码参考
C1 = IF(HIGH - LOW > ATR(CLOSE, 14), 1, 0);
C2 = IF(ABS((CHANGE(CLOSE, 1) / REF(CLOSE, 1))) >= 0.1, 1, 0);
C3 = IF(VOL*((CLOSE-OPEN)/OPEN)>7500000,1,0);
C4 = IF(VOL>=100000,1,0);
SELECTOR = C1*C2*C3*C4;
RESULT = SELECTOR;
python代码参考
import pandas as pd
import numpy as np
df = pd.read_csv('your_data.csv', index_col='date')
def short_term_momentum(df, n):
return df.iloc[-n:]['return'].all() > 0
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 14), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) >= 0.1, 1, 0)
C3 = np.where((df['vol'] * (df['close']-df['open'])/df['open']) > 7500000, 1, 0)
C4 = np.where(df['vol'] >= 100000, 1, 0)
selector = C1 * C2 * C3 * C4
result = df[selector == 1].index.tolist()
## 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。
