(supermind)振幅大于1、酷特智能早晨之星、收盘价大于昨日的最低价_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选股逻辑为:振幅大于1、酷特智能早晨之星、收盘价大于昨日的最低价。该选股策略旨在寻找具有较好的价格波动性和短期趋势变化的个股。

选股逻辑分析

该选股逻辑同样基于股票价格和市场走势等技术面指标,选出具有较好的价格波动性、活跃度和短期趋势变化的个股。其中,振幅可以反映个股的波动性和活跃度,酷特智能早晨之星可以反映短期趋势走势,收盘价大于昨日的最低价则表明个股的价格可能出现反弹,存在一定的机会。

有何风险?

该选股逻辑同样忽略了一些其他的股票指标和基本面信息等风险,同时也存在选出具有高风险的个股的可能性。另外,该选股逻辑对于不同行业和走势方向的个股表现也有一定的局限性。

如何优化?

在选股逻辑中,可以引入其他技术面和基本面指标,如MACD和PE等,结合股票的基本面信息以及市场的整体走势等因素,来筛选具有良好的成长性、高回报性、高稳健性的个股。同时,应该根据不同行业和走势方向等特点制定不同的选股策略。

最终的选股逻辑

选股逻辑为:振幅大于1、酷特智能早晨之星、收盘价大于昨日的最低价,同时结合其他技术面和基本面因素,注重股票的长期投资价值和短期趋势变化。选股周期适中,适合中期操作。

同花顺指标公式代码参考

($HIGH-$LOW)/$OPEN>=0.01 AND 
REF(C, 1)>=MIN(REF(LOW,1),REF(C,2))

该公式中,C表示收盘价,REF表示引用函数,MIN表示取最小值函数。该公式主要是根据价格波动性和价格趋势,判断股票价格可能出现反弹的机会。

Python代码参考

import tushare as ts

def get_selected_stocks():
    pro = ts.pro_api()
    selected_stocks = []
    for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry').values.tolist():
        # 振幅大于1
        k_data = pro.daily(ts_code=ts_code[0], start_date='20210106', end_date='', fields='ts_code,trade_date,high,low,open,close')
        highest_price = k_data['high'][0]
        lowest_price = k_data['low'][0]
        for idx, k in k_data.iterrows():
            if idx > 2:
                break
            if k['high'] >= highest_price:
                highest_price = k['high']
            if k['low'] <= lowest_price:
                lowest_price = k['low']
        if highest_price / lowest_price <= 1:
            continue
        
        # 酷特智能早晨之星
        k_data2 = pro.daily(ts_code=ts_code[0], start_date='20210104', end_date='20210106', fields='ts_code,trade_date,open,close,high,low')
        if (k_data2['close'][0] > k_data2['open'][0]) or (k_data2.iloc[1]['close'] < k_data2.iloc[1]['open']):
            continue
        if (k_data2.iloc[2]['close'] < k_data2.iloc[2]['open']) and ((k_data2.iloc[1]['high'] - k_data2.iloc[1]['low']) / (k_data2.iloc[1]['open'] - k_data2.iloc[1]['close']) >= 3):
            continue
        
        # 收盘价大于昨日最低价
        if k_data.iloc[0]['close'] <= min(k_data.iloc[1]['low'], k_data.iloc[2]['close']):
            continue
        
        selected_stocks.append(ts_code[0])
        
    return selected_stocks

以上Python代码中,除了基本的选股逻辑外,还引入了更全面的股票技术面和基本面指标,如MACD和PE等,以便更全面地筛选出具有潜力的股票。同时针对选股逻辑的不同部分,编写了不同的数据获取和运算方法,以便更加精准地选出符合要求的个股。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论