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、连续3天以上大单净量大于0.05，旨在找到短期内有波动但被机构看好的股票。
选股逻辑分析
- 振幅大于1说明短期内波动较大；
- 开盘价在十日均线左右说明股票处于调整期；
- 连续3天以上大单净量大于0.05说明机构看好该股票的走势。
有何风险？
- 选股策略摒弃了基本面的考虑，只关注了短期市场波动和机构买入情况，无法针对股票的长期价值进行判断；
- 大单净量的计算存在一定的主观性，可能会存在误判；
- 受到市场波动的影响可能会导致选出的股票的风险比较大。
如何优化？
- 综合考虑短期波动和机构买入情况的同时，应该也要考虑股票的基本面因素，以综合的方式进行筛选和判断；
- 当计算大单净量时，考虑各行业的特征，采用相对大单净量/流通股数进行计算，以避免因为行业差异性而导致的误判；
- 加入合适的风控措施，减少负面影响。
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、连续3天以上大单净量大于0.05。该策略旨在找到短期内有波动但被机构看好的股票，需要加强对风险的管控和基本面因素的考虑。
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)
# 判断连续3天以上大单净量大于0.05
bs_net_amount_large_order_sum_3 = SUM(BS_NET_AMOUNT_LARGE_ORDER, 3)
picks_bs_net_amount = IF(bs_net_amount_large_order_sum_3 / VOL_RATIO > 0.05, 1, 0)
# 选取符合条件的股票
picks_final = picks_amplitude * picks_ma10 * picks_bs_net_amount
# 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())
# 判断连续3天以上大单净量大于0.05
df['bs_net_amount_large_order_sum_3'] = df['bs_net_amount_large_order'].rolling(3).sum()
df['picks_bs_net_amount'] = ((df['bs_net_amount_large_order_sum_3'] / df['vol_ratio']) > 0.05).apply(lambda x: True if x else False)
picks_bs_net_amount = set(df[df['picks_bs_net_amount']]['ts_code'].tolist())
# 选取符合条件的股票
picks_final = picks_amplitude & picks_ma10 & picks_bs_net_amount
# 输出选股结果
print(picks_final)
## 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。
