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，同时集中度小于20%且大于等于70%的股票。该策略旨在寻找波动性较大且集中度适中的股票。
选股逻辑分析
- 振幅大于1表明该股票具有较大的波动性，适合进行趋势性交易；
- 开盘价在十日均线左右说明股票正处于调整期，有一定上涨空间；
- 集中度小于20%且大于等于70%的股票，意味着公司经营集中、盈利能力较强。
有何风险？
- 集中度指标不能充分反映公司的内在价值，存在过度追求集中度的风险；
- 大幅波动的股票可能存在风险，过于依赖历史数据，忽略了公司未来发展的变化。
如何优化？
- 集中度仅是评估公司经营集中度和盈利能力的指标之一，需综合考虑其他指标如财务指标、行业发展等；
- 针对大幅波动的股票，可结合技术分析、基本面分析等多维度分析，降低风险。
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，同时集中度小于20%且大于等于70%的股票。在选股时综合考虑公司的财务指标、行业发展及其他多维度指标，降低风险。
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)
# 计算集中度
concentration = (VAL_PE_TTM * CIRC_MV).sum() / (VAL_PE_TTM.sum() * CIRC_MV.sum())
picks_concentration = IF((concentration < 0.2) & (concentration >= 0.7), 1, 0)
# 输出选股结果
picks_stock = picks_amplitude * picks_ma10 * picks_concentration
WriteIf(picks_stock, picks_stock, 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())
# 计算集中度
df = valuation_indicator(df)
concentration = (df['pe_ttm'] * df['circ_mv']).sum() / (df['pe_ttm'].sum() * df['circ_mv'].sum())
df['picks_concentration'] = ((concentration < 0.2) & (concentration >= 0.7)).apply(lambda x: True if x else False)
picks_concentration = set(df[df['picks_concentration']]['ts_code'].tolist())
# 输出选股结果
picks_stock = picks_amplitude & picks_ma10 & picks_concentration
print(picks_stock)
## 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。
