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、剔除昨日涨停的股票。该策略选股关键在于选择波动较大、市场情绪好的股票，并在排除短期热点带来的风险的同时，保留潜在的投资机会。
选股逻辑分析
- 振幅大于1表明短期内波动较大；
- 昨天出现在龙虎榜上意味着市场情绪好，具有较高的炒作潜力；
- 剔除昨日涨停可以降低短期投机行为带来的风险。
有何风险？
- 选股条件过于单一，可能会忽略掉其他重要的因素；
- 剔除昨日涨停也可能会错过一些潜在的优质投资机会。
如何优化？
- 综合考虑不同时间段的资金流向趋势，以捕捉更多的投资机会；
- 相比于排除昨日涨停，可以考虑加入其他与短期投机行为相关的指标，如换手率等；
- 选股条件需定期更新与调整，以适应市场情况。
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、剔除昨日涨停的股票。该策略选股关键在于选择波动较大、市场情绪好的股票，并在排除短期热点带来的风险的同时，保留潜在的投资机会。
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)
# 剔除昨日涨停
pct_chg = REF(CLOSE, 1) / REF(CLOSE, 2) - 1
picks_zt = IF(pct_chg != 0.1, 1, 0)
# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_zt
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())
# 剔除昨日涨停
df['pct_chg'] = df['close'].pct_change()
df['picks_zt'] = df['pct_chg'].apply(lambda x: False if x == 0.1 else True)
picks_zt = set(df[df['picks_zt']]['ts_code'].tolist())
# 选取符合条件的股票
picks = set(picks_amplitude) & set(yesterday_lhb) & set(picks_zt)
# 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。
