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、集中度70%以下的股票。此策略旨在寻找具备一定流动性和交易活跃度、流通股较少、没有出现大资金大手笔买入或占比较高的股票。
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。
- 集中度70%以下可以筛选出没有大资金大手笔买入或占比较高的股票，有利于短期交易。
有何风险？
- 忽略了其他财务指标和公司基本面情况，可能选出财务状况不佳或公司基本面较差的股票。
- 受市场因素和个股突发事件影响较大，若市场整体情况不好或个股突发不良情况可能会对选股策略产生较大的影响。
如何优化？
- 在确定流通盘、振幅和集中度的基础上，引入其他财务指标和公司基本面情况进行筛选，并确定具有良好财务状况和发展前景的股票。
- 根据市场行情和投资风格等因素动态调整选股策略，适应市场不同的波动情况和投资需求。
- 综合考虑个股波动情况和风险情况等因素，定期检查选股策略是否适合当前市场行情和投资目标。
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、集中度70%以下的股票。在考虑这三个因素的基础上，引入其他财务指标和公司基本面情况进行筛选，动态调整选股策略以适应市场不同的波动情况和投资需求，从而确定符合市场需求、有一定潜力、投资风险可控的股票。
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)
# 计算集中度
concentration_ratio_20 = CONCENTRATION_RATIO_20
picks_concentration_ratio_20 = IF(concentration_ratio_20 < 70, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_concentration_ratio_20
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()
# 计算集中度
concentration_ratio_20 = df['concentration_ratio_20']
picks_concentration_ratio_20 = df[concentration_ratio_20 < 70].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_concentration_ratio_20))
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。
