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,量比大于1.5、量比小于6。
选股逻辑分析
该选股逻辑综合考虑了价格波动性、短期走势和成交量等因素，能够筛选出在短期内出现股价大幅波动，并且具有一定交易活跃度的股票。通过选取量比在一定合理范围内的股票，也能够降低大单资金占股的风险。
有何风险？
以下是该选股逻辑可能存在的风险：
- 过于追求短期价值的高回报，忽略了一些长期价值的考量；
- 过于依赖于技术指标和近期数据，可能存在出现偏差和失真的风险；
- 过于依赖量比指标，可能忽略了股票长期交易活跃度和深度的因素；
- 选股逻辑的多个因素可能存在相互矛盾和牵制的问题，难以保持统一性。
如何优化？
为了缓解上述风险，可考虑以下优化措施：
- 填补短、中、长期的价值考量因素和指标，以满足选取股票价值的全面性；
- 增加金融因素的考量，往往市场的大势状况会影响股票的走势；
- 将该选股逻辑作为辅助指标，建立系统性量化指标，从多个维度和因素进行分析；
- 对所选股票的量息数据留意关注，考虑再次调整选股策略。
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个交易日单日涨幅大于等于百分之10；
- 量比在1.5~6范围内；
- 跟踪市场大势和金融基本面，结合多个股票指标进行筛选。
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(VOLUME/VOLUME(1)>1.5 AND VOLUME/VOLUME(1)<6,1,0);
SELECTOR = C1*C2*C3;
RESULT = SORT_RANK(SELECTOR,DESCEND(VOLUME));
python代码参考
import pandas as pd
import talib as ta
df = pd.read_csv('your_data.csv', index_col='date')
def long_term_consistency(df, n):
pass
def short_term_momentum(df, n):
return df['return'][-1] > 0
def volume_consistency(df, n):
volume_ratio = df['volume'] / df['volume'].shift(1)
return (volume_ratio > 1.5) & (volume_ratio < 6)
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 20), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) >= 0.1, 1, 0)
C3 = np.where(volume_consistency(df, 1), 1, 0)
selector = C1 * C2 * C3
result = df.sort_values(by='volume', ascending=False).index[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。
