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,竞价涨幅＞-2＜5。
选股逻辑分析
该选股策略将市场波动性规律和个股走势特点结合起来，从多方面观察股票走势变化，筛选具有潜在投资机会的股票。振幅大于1和近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；竞价涨幅在-2%至5%之间可以筛选出具备一定活跃性的个股。通过这几个维度的筛选，可以挖掘出更多具有投资价值的股票。
有何风险？
该选股策略存在以下风险：
- 筛选指标过于简单，可能存在被忽略的重要因素，导致选股结果不够准确。
- 市场情况变化可能导致选股逻辑的失效，需要及时调整选股策略。
- 存在过度追求高收益，而忽略了风险管理的风险。
如何优化？
为了提高该选股逻辑的准确性和可靠性，我们建议进行以下考虑：
- 在选股逻辑中加入其他重要指标，如市盈率、市净率、股息率等指标，对选出的个股进行更全面的评估。
- 考虑不同情况下的选股策略，一定时间周期内的选股逻辑有利于更好地挖掘市场价值。
- 设定风险限制条件，避免过度追求高收益而忽略风险管理。
最终的选股逻辑
综合以上考虑，我们建议选股逻辑如下：
- 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。
- 竞价涨幅在-2%至5%之间。
- 考虑市盈率、市净率、股息率等基本面数据。
- 设定风险限制条件，如beta、夏普比率等。
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(JJ/T-1 >= -0.02 AND JJ/T-1 <= 0.05, 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['JJ']/df['T'] - 1 >= -0.02) & (df['JJ']/df['T'] - 1 <= 0.05), 1, 0)
C4 = // 考虑基本面数据的Python代码。
C5 = // 设定风险限制条件的Python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。
