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当日收益率＞0的股票。此策略选股的关键在于选择波动较大、市场情绪好、且有一定的收益能力的标的来达到较高收益的目的。
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；
- 当日收益率＞0意味着当天有一定的上涨势头，具有短期投资潜力；
- 结合以上几个维度，选择标的将更具有投资价值和短期收益。
有何风险？
- 只选当日收益率＞0的股票可能会忽略当天涨幅不大但存在长期潜力的标的；
- 盲目追求打板概念的股票可能会带来漏选其他热门标的的风险；
- 选股策略相对较为单一，可能会出现过于低精度或高风险。
如何优化？
- 考虑加入其他技术面分析指标，如RSI指标、KDJ指标等，以提高策略的准确性和可靠性；
- 考虑加入基础面信息的分析，如公司的财务数据、行业情况等，以提高策略的准确性和可靠性；
- 对于收益率的筛选标准可以针对不同市场条件以及个股特征进行合理调整；
- 加入机器学习算法进行股票趋势的预测，以进一步提高选股策略的可靠性。
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当日收益率＞0的股票。此策略选股的关键在于选择波动较大、市场情绪好、且有一定的收益能力的标的来达到较高收益的目的。
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)
# 判断当日收益率是否大于0
close = REF(CLOSE, 0)
prev_close = REF(CLOSE, 1)
change_rate = (close - prev_close) / prev_close * 100
picks_change_rate = IF(change_rate > 0, 1, 0)
# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_change_rate
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())
# 判断当日收益率是否大于0
df['change_rate'] = 100 * (df['close'] - df['pre_close']) / df['pre_close']
picks_change_rate = set(df[df['change_rate'] > 0]['ts_code'].tolist())
# 选取符合条件的股票
picks = set(picks_amplitude) & set(yesterday_lhb) & set(picks_change_rate)
# 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。
