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、昨日9:15匹配价跌停。
选股逻辑分析
- 振幅大于1可以筛选出波动较大但有短期交易潜力的股票。
- 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的风险和回报。
- 昨日9:15匹配价跌停可以筛选出短期内可能有超跌反弹机会的股票。
有何风险？
- 选股逻辑忽略了公司基本面数据，可能导致选出的股票估值偏高或业绩虚高。
- 选股逻辑只能反映出市场短期交易情况和趋势情况，不能完全反映出公司情况和长期投资价值，存在误判的风险。
- 昨日9:15匹配价跌停只能反映出一时的市场情况，不一定能持续或预示未来走势，存在短期跟风盲目的风险。
如何优化？
- 可以结合其他技术指标进行筛选和分析，如相对强弱指标、MACD指标等。
- 可以综合使用多重选股逻辑进行筛选，如结合基本面数据、技术指标和市场趋势等。
- 选股后需坚持风险控制和止盈止损策略，避免跟风盲目和过度追涨，控制风险。
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、昨日9:15匹配价跌停，并结合其他技术指标和基本面数据进行综合分析和评估，严格遵循风险控制和止盈止损策略。
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)
# 昨日9:15匹配价跌停
prev_close = REF(CLOSE, 2)
open = REF(OPEN, 1)
pct_change = (open - prev_close) / prev_close
picks_pct_change = IF(pct_change <= -0.1, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_pct_change
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()
# 昨日9:15匹配价跌停
prev_close = df['close'].shift(2)
open = df['open'].shift(1)
pct_change = (open - prev_close) / prev_close
picks_pct_change = df[pct_change <= -0.1].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_pct_change))
picks_final = df.loc[picks].sort_values(by='vol_ratio', 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。
