问财量化选股策略逻辑
选股逻辑为振幅大于1、昨天出现在龙虎榜单上且买入额大于卖出额、换手率在3%到12%之间的股票。此策略旨在选出波动较大、存在一定的资金异动，并且处于上升趋势的股票，同时保证换手率在合理范围内，以减少不必要的手续费和风险损失。
选股逻辑分析
- 指定振幅大于1可以筛选出波动较大的股票；
- 昨天出现在龙虎榜上且买入额大于卖出额表明存在资金流入的情况，可能会对股票价格产生一定的影响；
- 选定合理范围内的换手率可以减少手续费的支出，并且避免剧烈变化的股票风险。
有何风险？
- 换手率在合理范围内并不代表股票的流动性充足，可能存在卖出时出现较大成本损失的风险；
- 合理范围内的换手率可能会忽略一些资金流动性较强的股票。
如何优化？
- 可以结合流通市值、资金流入流出、大宗交易等指标综合考虑，以更准确的判断股票的流动性；
- 可以考虑将选股逻辑与机器学习相结合，以寻找更有效的选股因子组合。
最终的选股逻辑
选股逻辑为振幅大于1、昨天出现在龙虎榜单上且买入额大于卖出额、换手率在3%到12%之间的股票，同时结合流通市值、资金流入流出、大宗交易等指标进行综合投资。
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且买入额大于卖出额
lhb = LHB
yesterday_lhb = REF(lhb, 1)
picks_lhb = IF(yesterday_lhb['buy_amount'] > yesterday_lhb['sell_amount'], 1, 0)
# 判断换手率在3%到12%之间
turnover_rate = REF(TURNOVER_RATE, 1)
picks_turnover_rate = IF(turnover_rate > 3 AND turnover_rate < 12, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_lhb * picks_turnover_rate
picks_final = NLargest(n, picks, picks)
# 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 = df[df['amplitude'] > 1].index.tolist()
# 判断昨天是否出现在龙虎榜上且买入额大于卖出额
lhb_data = pro.top_list(trade_date='20211008')
lhb_data.set_index('ts_code', inplace=True)
picks_lhb = lhb_data[lhb_data['buy_amount'] > lhb_data['sell_amount']].index.tolist()
# 判断换手率在3%到12%之间
picks_turnover_rate = df[(df['turnover_rate'] > 3) & (df['turnover_rate'] < 12)].index.tolist()
# 取排名前n的股票
n = int(len(df) / 20)
picks = list(set(picks_amplitude) & set(picks_lhb) & set(picks_turnover_rate))
picks_final = df.loc[picks].sort_values(by='turnover_rate', ascending=False)[:n]['ts_code'].tolist()
# 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。
