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、昨天龙虎榜。此策略旨在选出具有一定波动性、规模适中、有较高交易活跃度和市场关注度的股票，同时考虑个股交易情况。
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；
- 昨天龙虎榜可以反映市场关注度和热点行情，有较大的宣传效应；
- 此策略综合考虑个股的形态、流动性、波动情况、规模和市场竞争力等因素，适合做短期交易。
有何风险？
- 过分追求龙虎榜效应，可能会忽略个股的基本面和行业趋势等因素，导致策略失效；
- 昨天龙虎榜仅反映过去的市场行情，不一定能代表未来的走势；
- 龙虎榜数据的披露有一定的时间滞后，可能会造成信息上的滞后性；
- 筛选条件过于短期，容易受到噪声干扰和偶然波动的影响。
如何优化？
- 结合个股的基本面和财务情况因素，进行多因素筛选，提高选股成功率；
- 引入其他形态特征判断标准，如头肩形、圆形等，提高选股策略的鲁棒性；
- 除了昨天龙虎榜外，再加入其他市场关注指数的影响因素，提高选股的全面性和可持续性；
- 可以结合机器学习算法，从过去龙虎榜数据中挖掘出一定的规律和特征，进行更精准的选股策略生成。
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、昨天龙虎榜。在此基础上，结合个股的基本面和财务情况因素，进行多因素筛选，选出交易活跃度较高、有明显市场关注度、且基本面良好的潜力股票。
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)
#计算昨日龙虎榜
picks_dragon_tiger = DRAGON_TIGER_DATA
#取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_dragon_tiger
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()
#计算昨日龙虎榜
picks_dragon_tiger = df[df['dragon_tiger'] == 1].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_dragon_tiger))
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。
