(supermind量化-)振幅大于1、前日实际换手率_3~28、竞价涨幅>-2<5_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选取振幅大于1、前日实际换手率在3%到28%之间、竞价涨幅在-2%到5%之间的股票。

选股逻辑分析

该选股策略考虑了股票价格波动、交易量和竞价情况等因素,综合考虑了短期市场走势的变化,具有一定的有效性。但是,该策略主要基于价格情况进行选股,缺乏财务和经营情况等基本面因素的综合分析,同时竞价涨幅也可能受到资金流动等因素的影响产生偏差。

有何风险?

该选股策略主要基于价格和竞价等技术因素进行选股,而忽略了公司财务和经营情况等基本面因素,如果市场整体变化或个股财务情况发生改变,股票的走势可能出现偏差,投资风险较大。

如何优化?

可以将竞价涨幅的筛选条件和振幅、换手率这些因素进行更加平衡的分配,并适当引入公司基本面、行业政策等因素进行综合分析,从而更加合理地评估股票的投资价值。

最终的选股逻辑

综合考虑了价格波动、交易量、竞价情况等因素,选取振幅大于1,前日实际换手率在3%到28%之间,竞价涨幅在-2%到5%之间的股票进行投资。

同花顺指标公式代码参考

// 筛选振幅大于1的股票
amplitude = (HIGH - LOW) / OPEN
amplitude_bool = amplitude > 1

// 筛选前日实际换手率在3到28之间的股票
volume_ratio = TODAY_VOLUME / REF(YESTERDAY_VOLUME, 1)
volume_ratio_bool = (volume_ratio >= 0.03) & (volume_ratio <= 0.28)

// 筛选竞价涨幅在-2%到5%之间的股票
auction_ratio = TODAY_OPEN / REF(YESTERDAY_CLOSE,1) - 1
auction_ratio_bool = (auction_ratio > -0.02) & (auction_ratio < 0.05)

// 选出符合条件的股票
result = amplitude_bool & volume_ratio_bool & auction_ratio_bool

// 输出筛选结果
result

Python代码参考

import tushare as ts

# 筛选条件1:振幅大于1
today_data = ts.get_today_all()
amplitude = (today_data['high'] - today_data['low']) / today_data['open']
amplitude_bool = amplitude > 1

# 筛选条件2:前日实际换手率在3到28之间
hist_data = ts.get_hist_data('600519')
volume_ratio = hist_data['volume'] / hist_data['volume'].shift(1)
volume_ratio_bool = (volume_ratio >= 0.03) & (volume_ratio <= 0.28)

# 筛选条件3:竞价涨幅在-2%到5%之间
auction_ratio = (today_data['open'] / today_data['settlement']) - 1
auction_ratio_bool = (auction_ratio > -0.02) & (auction_ratio < 0.05)

# 选出符合条件的股票
result = amplitude_bool & volume_ratio_bool & auction_ratio_bool

# 输出筛选结果
final_result = today_data.loc[result].sort_values(by=["turnoverratio"],ascending=False)
print(final_result)

注:以上为示例代码,请根据实际情况进行调整。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论

需要帮助?

试试AI小助手吧