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、底部抬高。此策略旨在挑选出波动较大、规模适中、未来有上涨空间且已经出现底部抬高的股票，以此进行投资。
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；
- 流通盘小于等于55亿股可以挑选出规模相对较小的股票，具有较高的成长性和回报；
- 底部抬高可能意味着个股已经处于底部反弹的良机，存在一定的上涨空间，可以获取较高的收益。
有何风险？
- 底部抬高是技术指标的一种，而技术指标具有滞后性，有可能错过股票反弹的最佳时机；
- 此策略忽略了个股的基本面因素和财务状况，而过于注重技术指标；
- 策略选股策略相比于前一个策略，增加了底部抬高的要求，可能会筛选出较少的标的。
如何优化？
- 结合基本面因素和技术指标综合考虑，制定更合理、科学的选股策略，减少误判和风险；
- 关注个股的持续性和稳定性，避免单纯追求股价短期的涨跌；
- 适度分散投资组合，规避非系统性风险。
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、底部抬高。在此基础上，结合基本面和市场趋势，制定合理的选股策略，进行投资。
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)
# 计算底部抬高
n1 = 20
n2 = 5
low_n1 = LLV(LOW, n1)
low_n2 = LLV(LOW, n2)
up_part = (LOW - low_n1) / (low_n2 - low_n1) * 100
picks_up_part = IF(up_part > 50, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_up_part
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()
# 计算底部抬高
n1 = 20
n2 = 5
low_n1 = df['low'].rolling(window=n1).min()
low_n2 = df['low'].rolling(window=n2).min()
up_part = (df['low'] - low_n1) / (low_n2 - low_n1) * 100
picks_up_part = df[up_part > 50].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_up_part))
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。
