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、非科创板的股票。此策略旨在选出波动较大、存在资金异动且不属于科创板的股票，以挖掘股票的短期收益机会。
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；
- 排除科创板的股票，可以排除一些新股或高估值股票，降低选股风险。
有何风险?
- 短期选股策略容易受市场波动影响，风险较高；
- 排除科创板可能会忽略一些科技股票的短期投资机会。
如何优化？
- 设定更为合理的振幅阈值，排除少量的价格波动过大的股票；
- 综合考虑股票长期基本面，如资产负债、营收增长等因素，以削减短期波动的影响；
- 可以加入技术指标，如MACD、RSI等指标进行选股，以提高选股策略的稳健性。
最终的选股逻辑
选股逻辑为振幅大于1、昨天出现在龙虎榜单上且买入额大于卖出额、非科创板的股票，同时结合多个技术指标及长期基本面指标进行综合分析，以提高策略选股的稳定性和准确性。
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)
# 判断是否属于科创板股票
not_kcb = STRRIGHT(MKT, 2) != '80'
picks_not_kcb = IF(not_kcb, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_lhb * picks_not_kcb
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()
# 判断是否属于科创板股票
# 上交所的证券代码没有文字说明，沪市A股代码一般以6开头，沪市B股代码一般以9开头；
# 深市A股是以000开头，深市B股是以200开头，中小板股票是以002开头，创业板股票是以300开头。
picks_not_kcb = df[df['ts_code'].str.contains(r'^6') | df['ts_code'].str.contains(r'^9') | df['ts_code'].str.contains(r'^000') | df['ts_code'].str.contains(r'^002')].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_not_kcb))
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。
