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、涨跌幅与超大单净量相乘之和较大的股票。
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。
- 选股逻辑结合涨跌幅与超大单净量进行综合筛选，能够识别出市场热度和机构资金流入的股票。
有何风险？
- 选股逻辑依赖于市场机会和热点，过于依赖近期行情，盈利能力可能随着市场而变化不定。
- 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。
如何优化？
- 结合市场情绪指标和技术指标进行分析，在行情趋势较清晰的情况下，能够提高选股策略的准确性和盈利能力。
- 可以结合基本面数据进行分析，例如PE、PEG等因素。
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、涨跌幅与超大单净量相乘之和较大的股票，结合市场情绪指标和基本面数据进行综合分析和评估。
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)
# 计算超大单净量
net_volume_reversal = IF(VOLUME / CAPITAL <= 10000, VOL / (100 * CAPITAL), -VOL / (100 * CAPITAL))
picks_net_volume_reversal = net_volume_reversal[DAYS].rank(method='first', ascending=False) <= ceil(DAYS / 4)
# 计算涨跌幅与超大单净量乘积之和
change_pct = CLOSE / REF(CLOSE, 1) - 1
picks_change_net_volume = change_pct * net_volume_reversal
picks_change_net_volume_sum = picks_change_net_volume[DAYS].rolling(DAYS).sum()
# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_net_volume_reversal * (picks_change_net_volume_sum == picks_change_net_volume_sum.rank(method='first', ascending=False)) * (picks_change_net_volume_sum > 0)
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()
# 计算超大单净量
capital = df['capital']
volume = df['volume']
net_volume_reversal = np.where(volume / capital <= 10000, volume / (100 * capital), -volume / (100 * capital))
picks_net_volume_reversal = df[pd.DataFrame(net_volume_reversal).rolling(window=DAYS, min_periods=1).apply(lambda x: x[-1] == max(x)).iloc[:, -1]].index.tolist()
# 计算涨跌幅与超大单净量乘积之和
change_pct = df['change_pct']
picks_change_net_volume = change_pct * net_volume_reversal
picks_change_net_volume_sum = picks_change_net_volume.rolling(DAYS).sum()
picks_change_net_volume_sum = picks_change_net_volume_sum[picks_change_net_volume_sum > 0]
# 取排名前n的股票
n = int(len(picks_change_net_volume_sum) / 10)
picks = list(set(picks_amplitude) & set(picks_free_share) & set(picks_net_volume_reversal) & set(picks_change_net_volume_sum.index.tolist()))
picks_final = pd.Series(picks_change_net_volume_sum).nlargest(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。
