聚宽量化交易-突破颈线或者突破横盘平台或者阶段突破平台、换手率大于7%但小于10%m股票、

用户头像神盾局量子研究部
2023-10-26 发布

问财量化选股策略逻辑

首先,我们需要理解一下颈线和横盘平台的概念。颈线是股票价格的重要支撑或阻力位,一旦突破了颈线,就可能预示着股票价格的趋势将发生改变。而横盘平台则是指股票价格在某一范围内波动,没有明显的上涨或下跌趋势。

其次,我们需要考虑换手率。换手率是指在一定时间内,一只股票成交量与发行股数的比例。通常来说,换手率越大,说明市场对该股票的关注度越高,也可能是主力资金正在操作该股票。

最后,我们需要排除创业版股票,因为创业版股票的风险相对较高。

选股逻辑分析

这个选股逻辑的优点在于它考虑了多种因素,包括股票的价格走势、换手率以及市场的风险水平。但是,这个逻辑也存在一些缺点。例如,它过于依赖于技术指标,可能会错过一些基本面良好的股票。此外,它也没有考虑到市场的整体情况,可能会因为整体市场环境的变化而导致错误的判断。

有何风险?

如果采用这个选股逻辑进行投资,可能会面临以下风险:

  • 技术指标不准确:技术指标只是股票价格走势的一种预测工具,不能完全反映股票的真实价值。
  • 市场风险:市场环境的变化可能会导致股票价格的大幅度波动,从而影响到投资收益。

如何优化?

为了提高这个选股逻辑的准确性,我们可以尝试以下几个方法:

  • 结合基本面分析:除了技术指标外,我们还可以结合公司的财务报表等基本面信息来评估股票的价值。
  • 考虑市场整体情况:我们可以结合市场的整体表现来判断是否应该买入这只股票。

最终的选股逻辑

最终的选股逻辑如下:

  • 突破颈线或横盘平台的股票
  • 换手率大于7%但小于10%的股票
  • 排除创业版股票

常见问题

  • 什么是颈线和横盘平台?
  • 为什么要考虑换手率?
  • 需要排除创业版股票吗?

python代码参考

# 确保导入所需库
import pandas as pd
import numpy as np

# 加载股票数据
df = pd.read_csv('stock_data.csv')

# 创建新的列,表示股票是否满足条件
df['breakout'] = df['price'].apply(lambda x: 'yes' if x > df['previous_close']

## 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

需要帮助?

试试AI小助手吧