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流通市值大于100亿元的股票。此策略选股的关键在于选取波动较大、市场热度较高，但具有较高流通市值、较为健康的标的来达到长期稳定收益的目的。
选股逻辑分析
- 振幅大于1表明短期内波动较大，有较大的投资机会；
- 昨天出现在龙虎榜上的股票通常代表市场情绪好，有一定的短期涨幅及交易活跃度；
- 流通市值大于100亿元则代表公司规模较大，具有较好的经营实力和市场地位；
- 结合以上几个维度，在市场繁忙和波动剧烈的情况下，选取这样的标的会更为明智。
有何风险？
- 选股策略过于单一，可能导致筛选出的标的过少；
- 选股逻辑中只考虑了振幅、昨日龙虎榜和市值等维度，基本面等因素可能被忽略；
- 对流通市值的权重较高，如果流通市值太高，市场流通性不足，可能会影响交易及策略的执行。
如何优化？
- 加入其他技术面分析指标，如KDJ、MACD指标等提高策略的准确性和可靠性；
- 结合其他基础面信息，如股票行业、业绩表现、估值水平等，提高策略的准确性和可靠性；
- 调整选股策略中的参数和判断标准，如市值的选取阈值，加强对交易和成交量的管控，优化选股逻辑；
- 具备过往交易数据的企业可以利用深度学习算法来识别市场情绪和股票走势，进一步提升选股的准确性和可靠性。
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流通市值大于100亿元的股票，此策略选股的关键在于选择波动较大、市场热度较高、具有较好基本面和流通性的标的来达到长期稳定收益的目的。
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)
# 计算流通市值
market_cap = TOTALMV * 10000
picks_market_cap = IF(market_cap > 10000000000, 1, 0)
# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_market_cap
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())
# 计算流通市值
mv_data = pro.stock_basic(exchange='', list_status='L', fields='ts_code, circ_mv')
mv_data['mv'] = mv_data['circ_mv'] * 10000
picks_market_cap = set(mv_data[mv_data['mv'] > 10000000000]['ts_code'].tolist())
# 选取符合条件的股票
picks = set(picks_amplitude) & set(yesterday_lhb) & set(picks_market_cap)
# 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。
