问财量化选股策略逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、昨日竞价换手率大于0.26的股票。该策略选股关键在于保证股票波动较大、处于调整期、具备活跃交易的特征。
选股逻辑分析
- 振幅大于1表明短期内波动较大；
- 开盘价在十日均线左右说明股票处于调整期；
- 昨日竞价换手率大于0.26说明股票的交易活跃度较高。
有何风险？
- 过于注重昨日竞价换手率，可能会忽略潜在的投资价值；
- 过高的竞价换手率可以反映出股价的过度波动，可能带来较高的风险。
如何优化？
- 可以结合其他因素，如市盈率、市净率等基本面指标，进一步筛选符合条件的股票；
- 适当调整竞价换手率的阈值，以避免过高的风险。
最终的选股逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、昨日竞价换手率大于0.26的股票。该策略选股关键在于保证股票波动较大、处于调整期、具备活跃交易的特征。
同花顺指标公式代码参考
# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)
# 判断开盘价在十日均线左右
ma10 = MA(CLOSE, 10)
picks_ma10 = IF((OPEN > ma10*0.95) & (OPEN < ma10*1.05), 1, 0)
# 判断昨日竞价换手率大于0.26
turnover_rate = REF(VOL/TOT_SHR, 2)
picks_turnover_rate = IF(turnover_rate>0.26, 1, 0)
# 选取符合条件的股票
picks = picks_amplitude * picks_ma10 * picks_turnover_rate
picks_final = SortBy(picks, CLOSE, descending=True)
# 输出选股结果
WriteIf(picks_final, picks_final, 0)
python代码参考
# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = set(df[df['amplitude'] > 1]['ts_code'].tolist())
# 判断开盘价在十日均线左右
ma10 = df['close'].rolling(10).mean()
df['picks_ma10'] = ((df['open'] > ma10*0.95) & (df['open'] < ma10*1.05)).apply(lambda x: True if x else False)
picks_ma10 = set(df[df['picks_ma10']]['ts_code'].tolist())
# 判断昨日竞价换手率大于0.26
turnover_rate = df['vol'] / df['tot_shr']
turnover_rate_yesterday = turnover_rate.shift(periods=1)
df['picks_turnover_rate'] = (turnover_rate_yesterday > 0.26).apply(lambda x: True if x else False)
picks_turnover_rate = set(df[df['picks_turnover_rate']]['ts_code'].tolist())
# 选取符合条件的股票
picks = set(picks_amplitude) & set(picks_ma10) & set(picks_turnover_rate)
# 输出选股结果
print(picks)
## 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。
