问财量化选股策略逻辑
本选股策略选取振幅大于1、上市时间大于一年、机构抄底的股票。选择机构抄底的股票可以利用资金流向等指标进行量化分析，并考虑机构资金流入是否可预期，而非盲目跟风。
选股逻辑分析
振幅大于1可以使策略选中的股票拥有一定的市场活跃性和涨跌幅度。上市时间大于一年可以避免选中新股或者价格波动较大的股票。选择机构抄底的股票，可以利用资金流向等指标进行量化分析，提高选股的准确性。
有何风险？
本选股策略可能出现机构抄底预期与实际不符合，或者由于资金流量等因素导致抄底效果不佳的情况。同时，本选股策略未考虑公司基本面、行业发展、宏观经济等因素的影响，可能导致选出的股票未来业绩无法支撑。
如何优化？
本选股策略可以加入其他指标以进行更全面的技术面和基本面分析，如其他均线、MACD指标、市盈率等等。同时，可以增加其他风险控制指标，如收益风险比、股票波动率等指标。对于机构抄底的股票，可以进行更进一步筛选，如选择近期机构持仓增加或者资金流入分布稳定的股票。
最终的选股逻辑
本选股策略选取振幅大于1、上市时间大于一年、机构抄底的股票。
同花顺指标公式代码参考
机构抄底：
LC = REF(CLOSE, 1)
INFLUX = VOL * (2 * CLOSE - HIGH - LOW) / (HIGH - LOW) / 1000
CI = SUM(INFLUX, 5)
CDI = (LC - REF(LC, 15)) / REF(LC, 15) * 100
MONEY_CMPT = MA(CLOB, 10)
MONEY_CMPT_RANK = DSTRANK(MONEY_CMPT)
RESULT = CDI > 0 AND CI > 1 AND MONEY_CMPT_RANK > 80 AND CLOSE > MA(CLOSE, 5) AND CLOSE > MA(CLOSE, 60)
python代码参考
#引入Tushare库
import tushare as ts
#连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
start_date = (pro.trade_cal(exchange='', is_open='1', end_date=today, fields='cal_date'))["cal_date"].values[-15]
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,list_date,list_status')["ts_code"]:
if len(selected_stocks) >= n:
break
if code.startswith("688"):
continue
if not code.startswith("60"):
continue
quote_info = pro.query('daily', ts_code=code, start_date=start_date, end_date=today, fields='close, high, low, vol')
if len(quote_info) == 0:
continue
amplitude = abs(quote_info["close"].iloc[-1] - quote_info["close"].iloc[-2]) / quote_info["close"].iloc[-2]
if amplitude < 0.01:
continue
ci = (2*quote_info["close"] - quote_info["high"] - quote_info["low"])*quote_info["vol"]/(quote_info["high"]-quote_info["low"])/1000
cdi = (quote_info["close"].iloc[-2] - quote_info["close"].iloc[-16]) / quote_info["close"].iloc[-16] * 100
if cdi <= 0 or ci.iloc[-5:].sum() <= 1:
continue
finance_df = pro.fina_mainbz(code=code, start_date=start_date, end_date=today)
if len(finance_df) == 0:
continue
if finance_df["in_sum"].iloc[-1] - finance_df["out_sum"].iloc[-1] <= 0:
continue
selected_stocks.append(code)
return selected_stocks
## 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。
