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、大单净量排行。此策略旨在选出具有较好基本面和潜在上涨空间的股票。
选股逻辑分析
- 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
- 大单净量排行可以筛选出被资金关注的股票，有望获得更好的收益
- 此策略考虑了个股的流动性、资金流动情况和波动情况，适合做中短期交易
有何风险？
- 未考虑股票的基本面和财务状况，可能选出基本面不佳的股票
- 受市场因素和个股突发事件影响较大，若市场整体情况不好或个股突发不良情况可能会对选股策略产生较大的影响
- 大单净量的排名可能会出现滞后的情况，需要综合考虑其他因素来确定股票的投资价值。
如何优化？
- 同时考虑股票基本面、市场行情因素、资金流动情况和技术指标等因素，以更全面的方式评估股票的投资价值
- 对大单净量的排名进行动态修正，减少滞后情况的出现
- 综合考虑个股波动情况、量能、资金流入情况、技术指标等因素，以动态调整选股策略以适应市场行情和投资需求。
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、大单净量排行的股票。在考虑这三个因素的基础上，引入其他基本面和技术指标进行筛选，综合考虑各项因素以动态调整选股策略，选出具备良好财务状况、发展前景优良、市场情绪较为乐观、风险可控的股票。
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)
#计算大单净量排行
big_net = NET_BIG
big_net_rank = RANK(big_net)
picks_big_net = IF(big_net_rank <= 10, 1, 0)
#取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_big_net
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()
#计算大单净量排行
big_net = df['net_big']
big_net_rank = big_net.rank(ascending=False, method='min')
picks_big_net = big_net_rank[big_net_rank <= 10].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_big_net))
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。
