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,至少5根均线重合的股票。
选股逻辑分析
该选股逻辑将短期走势和当期均线情况作为选股依据，较好地拟合了股票价格波动和均线趋势的双重特征，更有利于寻找短期上涨趋势明显、同时具有足够价值支撑的标的。但是，5根均线的设定则过于依赖长期的平均值变化，在一定程度上可能会忽略短期的价值波动和业绩变化的新动态。
有何风险？
该选股逻辑可能存在以下风险：
- 均线计算过多依赖过去的平均水平，忽略了持续的业绩变化；
- 重点考虑了短期涨势，可能忽略了中长期价值的关注；
- 过多的选股条件可能会减少标的的筛选数量，导致机会遗漏。
如何优化？
为了降低上述风险，我们可以采取以下优化措施：
- 结合单季度财报、新闻报道等中/短期数据，以发现基本面变化和业绩变现的提示；
- 调整选股条件，适当降低均线数量，全面考虑各个时间维度的均线变化；
- 针对不同行业、类别等制定不同的选股条件，更好地精准挖掘优质标的；
- 考虑使用机器学习等技术，通过更精确的数据筛选、分析，提高选股效率和盈利概率。
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；
- 最短的5根均线向上穿越次短的5根均线，且两者均与更长时间的10根、20根、30根均线重合；
- 市值大于10亿。
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(CROSS(MA(CLOSE, 5), MA(CLOSE, 10)) AND CROSS(MA(CLOSE, 5), MA(CLOSE, 20)) AND CROSS(MA(CLOSE, 5), MA(CLOSE, 30)), 1, 0);
C4 = IF(MARKETVALUE >= 10E+8, 1, 0);
SELECTOR = C1*C2*C3*C4;
RESULT = SELECTOR;
python代码参考
import pandas as pd
import numpy as np
import talib as ta
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((ta.cross(df['ma5'], df['ma10'])
& ta.cross(df['ma5'], df['ma20'])
& ta.cross(df['ma5'], df['ma30'])).rolling(25).sum() > 0, 1, 0)
C4 = np.where(df['marketvalue'] >= 10e+8, 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。
