问财量化选股策略逻辑
选股逻辑为振幅大于1、流通盘小于等于55亿股、股票代码以60开头。此策略旨在选出波动较大、规模适中、较为稳定的60开头股票,进行短期交易。
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,适合做短期交易;
- 流通盘小于等于55亿股可以筛选出小盘股,小盘股可能具有较高风险和回报;
- 股票代码以60开头,部分60开头的股票在近几年有不错的表现,稳定性较高;
- 此策略综合考虑了个股的波动情况、流动性和历史表现等因素,适合做短期交易。
有何风险?
- 含有选股逻辑的时效性:随着时间的推移,市场情况会发生变化,选股逻辑可能会失去效用;
- 其中股票代码选股条件较为主观,可能会导致选股结果出现偏差;
- 技术面分析面临短期内涨跌的影响因素,存在较高的风险、回报;
- 偏重短期交易而忽视了长期投资价值,存在投资周期不同步的风险。
如何优化?
- 加强对市场基本面的分析,以制定更加科学的选股策略;
- 建立长期交易和短期交易的投资组合,做到长短结合;
- 通过合理的投资组合分散风险,降低单一股票对投资组合的影响;
- 对于60开头的股票,需要具体分析所处行业、市场表现等因素,以制定更科学、更严谨的选股策略。
最终的选股逻辑
选股逻辑为振幅大于1、流通盘小于等于55亿股、股票代码以60开头。在此基础上,加强了对市场基本面的研究和分析,建立长短结合的投资组合,同时加强分散化投资,具体考虑所处行业以及市场表现等因素,以制定更加严谨科学、合理的选股策略。
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)
#计算流通盘
free_share = FREE_SHARE
picks_free_share = IF(free_share <= 5500000000, 1, 0)
#计算60开头的股票
code = LEFT(CODE, 2)
picks_code = IF(code == 60, 1, 0)
#取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_code
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
high = df['high']
low = df['low']
close = df['close']
amplitude = 100 * (high - low) / close
picks_amplitude = df[amplitude > 1].index.tolist()
#计算流通盘
free_share = df['free_share']
picks_free_share = df[free_share <= 5500000000].index.tolist()
#计算60开头的股票
code = df['ts_code'].apply(lambda x: str(x)[:2])
picks_code = df[code == '60'].index.tolist()
#取排名前n的股票
n = int(len(df) / 10)
picks = list(set(picks_amplitude) & set(picks_free_share) & set(picks_code))
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。
