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盘小于等于55亿股。此策略选股的关键在于选择波动较大、市场情绪好、流通盘较小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；
- 流通盘小于等于55亿股表明股票容易受到资金的操纵和掌控，可以获得短期较高收益。
- 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？
- 流通盘较小的股票容易出现市场操纵行为以及资金风险，投资者需要特别注意；
- 追求短期高收益的选股策略可能会带来高风险的交易活动。
如何优化？
- 可以结合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；
- 对于流通盘大小的判断标准可以针对不同市场条件、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流通盘小于等于55亿股。此策略选股的关键在于选择波动较大、市场情绪好、流通盘较小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)
# 判断流通盘大小
circulating_shares = GET_RT_DATA('', 'float_a_shares')
picks_circulating_shares = IF(circulating_shares <= 55, 1, 0)
# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_circulating_shares
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())
# 判断流通盘大小
circulating_shares = pro.stock_basic(fields='ts_code,float_a_shares')['float_a_shares']
circulating_shares = circulating_shares[circulating_shares <= 55]
picks_circulating_shares = set(circulating_shares['ts_code'].tolist())
# 选取符合条件的股票
picks = set(picks_amplitude) & set(yesterday_lhb) & set(picks_circulating_shares)
# 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。
