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、涨幅<2.6且涨幅>-5。
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。
- 涨幅<2.6且涨幅>-5可以表明股票价格有短期上涨潜力。
有何风险?
- 选股逻辑还是过于依赖技术指标,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。
- 涨幅只能反映出市场短期交易情况,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。
如何优化?
- 可以结合其他技术指标(如MACD、RSI)进行综合分析,提高选股逻辑的准确性和盈利能力。
- 同时考虑公司基本面数据,如市盈率、市净率、股息率等因素,强化价值投资选股逻辑。
- 需要进行充分的筛选和调整,避免过于依赖单一指标而导致误判。
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、涨幅<2.6且涨幅>-5,结合其他技术指标和基本面数据进行综合分析和评估,强化价值投资选股逻辑。
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)
# 计算涨幅
change_rate = ((CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1)) * 100
picks_change_rate = IF(change_rate > -5 AND change_rate < 2.6, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_change_rate
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()
# 计算涨幅
change_rate = ((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) * 100
picks_change_rate = df[(change_rate > -5) & (change_rate < 2.6)].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_change_rate))
picks_final = df.loc[picks].sort_values(by='vol_ratio', ascending=False)[:n].index.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。
