问财量化选股策略逻辑
选股逻辑为振幅大于1、昨天出现在龙虎榜上且近10天涨幅大于0小于35。此策略选股的关键在于选择波动较大、市场情绪好、近期有一定的涨幅且符合一定行业条件的股票。
选股逻辑分析
- 振幅大于1表明短期内波动较大，具有投资机会；
- 昨天出现在龙虎榜上的股票通常意味着市场情绪好，有一定的短期涨幅；
- 近10天涨幅大于0小于35代表股票存在一定的上涨趋势，有较为明显的反弹预期；
- 选择符合一定行业条件的股票，可在投资中调整分享不同的行业板块，降低风险。
有何风险？
- 新股市场较为波动，价格波动较大，投资风险也相应较大；
- 龙虎榜数据仅代表一天的交易数据，不能完全反映股票总体情况；
- 近期涨幅可能仍有回调风险；
- 行业板块的选择存在一定的风险。
如何优化？
- 选择更有成长性、更有潜力的股票；
- 关注龙虎榜的多维数据，如融资净买入等，从多个角度观察股票的市场情况；
- 改变涨幅的范围，根据形势调整；
- 选择符合自己所了解的行业板块；
- 可以在选股后进行多维数据跟踪，以便及时调整持股。
最终的选股逻辑
选股逻辑为振幅大于1、昨天出现在龙虎榜上且近10天涨幅大于0小于35。此策略选股的关键在于选择波动较大、市场情绪好、近期有一定的涨幅且符合一定行业条件的股票。
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)
# 判断股票代码是否以60开头
picks_code = IF(LEFT(CODE,2) == '60', 1, 0)
# 判断昨天是否出现在龙虎榜上
lhb_data = LHB
yesterday_lhb = REF(lhb_data['buy'] + lhb_data['sell'], 1)
picks_lhb = IF(yesterday_lhb > 0, 1, 0)
# 计算10日涨幅
pct_chg = (CLOSE-REF(CLOSE,10))/REF(CLOSE,10)
picks_pct_chg = IF(np.logical_and(pct_chg > 0, pct_chg < 0.35), 1, 0)
# 选取符合条件的股票
picks = picks_amplitude * picks_code * picks_lhb * picks_pct_chg
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())
# 判断股票代码是否以60开头
picks_code = set(df[df['ts_code'].str.startswith('60')]['ts_code'].tolist())
# 判断昨天是否出现在龙虎榜上
lhb_data = pro.top_list(trade_date='20211008', fields='ts_code')
yesterday_lhb = set(lhb_data['ts_code'].tolist())
# 计算10日涨幅
df['pct_chg'] = (df['close'] - df['close'].shift(10)) / df['close'].shift(10)
picks_pct_chg = set(df[(df['pct_chg'] > 0) & (df['pct_chg'] < 0.35)]['ts_code'].tolist())
# 选取符合条件的股票
picks = set(picks_amplitude) & set(picks_code) & set(yesterday_lhb) & set(picks_pct_chg)
# 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。
