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、至少5根均线重合的股票。此策略旨在挑选出波动较大、规模适中,并且能够在较长时间范围内保持稳定增长的股票,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;
- 至少5根均线重合的股票可以筛选出较为稳定的股票,能够长期保持稳定的增长。
有何风险?
- 均线重合能够有效筛选出稳定的股票,但如果筛选条件过于苛刻,股票池可能较小,选股空间受限;
- 指定至少5根均线重合可能会导致错过一些上涨较快的热门股票。
如何优化?
- 可以结合其他技术指标,如MACD、RSI等指标,对均线仓位进行加权计算,从而提高选股的准确性;
- 可以根据不同行业、公司的情况,设置不同均线周期,制定合理的策略条件,提高选股的精确度。
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、至少5根均线重合的股票,通过对均线仓位进行加权计算,并根据不同行业、公司情况设置不同均线周期的策略条件,实现更加精确、准确的选股。
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)
# 判断均线是否重合
ma5 = MA(CLOSE, 5)
ma10 = MA(CLOSE, 10)
ma20 = MA(CLOSE, 20)
ma30 = MA(CLOSE, 30)
ma60 = MA(CLOSE, 60)
picks_ma = IF((ma5 == ma10) & (ma10 == ma20) & (ma20 == ma30) & (ma30 == ma60), 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_free_share * picks_ma
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()
# 判断均线是否重合
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
ma20 = df['close'].rolling(20).mean()
ma30 = df['close'].rolling(30).mean()
ma60 = df['close'].rolling(60).mean()
picks_ma = df[(ma5 == ma10) & (ma10 == ma20) & (ma20 == ma30) & (ma30 == ma60)].index.tolist()
# 取排名前n的股票
n = int(len(df) / 20)
picks = list(set(picks_amplitude) & set(picks_free_share) & set(picks_ma))
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。
