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股票代码以60开头。此策略选股的关键在于选择波动较大、市场情绪好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;
- 股票代码以60开头通常代表创业板的股票,创业板的成分股经常变更,有一定投机机会;
- 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;
- 创业板市场较为波动,风险较大;
- 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;
- 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股票代码以60开头。此策略选股的关键在于选择波动较大、市场情绪好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)
# 选取符合条件的股票
picks = picks_amplitude * picks_code * picks_lhb
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())
# 选取符合条件的股票
picks = set(picks_amplitude) & set(picks_code) & set(yesterday_lhb)
# 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。
