i问财量化选股-换手率大于7%但小于10%m股票、上15个交易日涨停数大于0、证券股除外

用户头像神盾局量子研究部
2023-10-30 发布

问财量化选股策略逻辑

换手率大于7%但小于10%m股票, 上15个交易日涨停数大于0, 证券股除外。

选股逻辑分析

该选股逻辑首先筛选出每日换手率大于7%且小于10%的股票,然后进一步筛选出在过去的15天中有至少一次涨停的股票。最后,剔除掉证券类股票。

这种策略的主要优点是它能够选出近期交易活跃并且有明显上涨趋势的股票。然而,这种策略也有其缺点。首先,换手率超过7%和低于10%的范围是比较狭窄的,可能会导致遗漏部分符合条件的股票。其次,仅仅依据过去15天的涨停次数来判断一只股票的趋势,可能存在过拟合的风险。最后,由于剔除了证券类股票,因此可能会影响到一些优质的证券公司或金融公司的股票。

如何优化?

为了优化这个策略,可以尝试以下方法:

  1. 调整换手率的范围,比如将换手率调整为6%到12%。
  2. 尝试使用更长的时间窗口,比如考虑过去30天或者60天的涨停次数。
  3. 在剔除证券类股票的同时,也可以保留一部分优质的证券公司或金融公司的股票,以便获取更多的投资机会。

最终的选股逻辑

在考虑到以上因素后,我们得出的最终选股逻辑如下:

每日换手率大于6%且小于12%,在过去30天中有至少一次涨停的股票。

常见问题

  1. 为什么只保留日换手率大于6%且小于12%的股票?
    答:这是为了提高策略的稳定性,并避免因换手率过大而导致的过拟合现象。

  2. 为什么剔除证券类股票?
    答:证券类股票的价格波动性较大,可能导致策略的不确定性增加。

  3. 是否可以放宽条件,只保留日换手率大于7%且小于10%的股票?
    答:这是可以的,但是这样会使得策略的覆盖率降低,可能会错过一些符合条件的股票。

python代码参考

import pandas as pd
from sklearn.linear_model import LogisticRegression

# 读取数据
data = pd.read_csv('stock_data.csv')

# 提取条件
condition_1 = data['daily_volume'] > 0.07 and data['daily_volume'] < 0

## 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?

    点击页面下方的复制按钮,复制到自己的账户即可使用模板进行回测。


    
收益&风险
源码

评论