量化交易社区策略-涨幅2%-7%、股价小于19、利润增长大于1

问财量化选股策略逻辑

在本次量化选股中，我们采用了以下策略进行筛选：

1. 涨幅2%-7%：选取过去一段时间内涨幅在2%-7%之间的股票进行关注，这样可以筛选出近期表现较好的股票。
2. 股价<19：选取股价低于19元的股票，这样可以降低投资成本，同时也有助于控制风险。
3. 利润增长>1：选取利润增长率高于1的股票，这样可以挑选出业绩较好的公司，有较高的投资价值。

选股逻辑分析

1. 涨幅2%-7%：选取过去一段时间内涨幅在2%-7%之间的股票。在这个过程中，我们可以通过技术指标如MACD、RSI等来辅助判断股票的走势。
2. 股价<19：选取股价低于19元的股票。为了筛选出真正具有投资价值的公司，我们需要结合财务报表、行业走势等多方面因素进行综合判断。
3. 利润增长>1：选取利润增长率高于1的股票。在分析公司业绩时，我们需要关注公司的营收增长、毛利率、净利率等指标，以判断公司的盈利能力。

有何风险？

1. 市场风险：股票市场受多种因素影响，如宏观经济、政策调整等，这些因素都可能对股票价格产生影响。
2. 公司风险：公司的运营状况、财务状况等也可能影响股票的表现。我们需要对公司的基本面进行充分了解和分析，以降低投资风险。
3. 技术风险：选股策略本身可能存在技术缺陷，导致筛选出的股票并不完全符合预期。

如何优化？

1. 技术指标的优化：我们可以结合多种技术指标，如均线系统、布林带等，来判断股票的走势。
2. 财务报表的优化：我们需要关注公司的财务报表，如营收、净利润等数据，以判断公司的盈利能力。
3. 多方面因素的综合考虑：在选股过程中，我们需要结合公司的基本面、行业走势、政策环境等多方面因素进行综合判断。

最终的选股逻辑

在经过多次筛选和优化后，我们最终制定了以下选股策略：

1. 选取过去一段时间内涨幅在2%-7%之间的股票。
2. 选取股价低于19元的股票。
3. 选取利润增长率高于1的股票。

通过上述策略，我们可以在一定程度上降低投资风险，提高投资收益。

常见问题

1. 选股策略是否适用于所有市场环境？
   答：选股策略的适用性需要根据具体的市场环境和公司基本面进行判断。
2. 如何判断股票的走势？
   答：我们可以结合技术指标如MACD、RSI等来辅助判断股票的走势。
3. 如何评估公司的盈利能力？
   答：我们可以关注公司的营收增长、毛利率、净利率等指标，以判断公司的盈利能力。

指标公式代码参考

1. 选股策略：

import tushare as ts

def get_stock_list(stock_code, start_date, end_date):
    stock_list = []
    for code in stock_code:
        stock = ts.get_k_data(code, start=start_date, end=end_date)
        if stock['pct_change'] >= 0.02 and stock['pct_change'] <= 0.07 and stock['close'] < 19 and stock['net_profit'] > 1:
            stock_list.append(code)
    return stock_list

2. 财务指标的计算：

import pandas as pd

def calculate_financial_indicator(stock_code):
    stock_data = ts.get_k_data(stock_code)
    financial_indicator = {
        'revenue_growth': stock_data['revenue'].pct_change(),
        'net_profit_growth': stock_data['net_profit'].pct_change(),
        '毛利率': stock_data['close'].magnitude / stock_data['close'].max(),
        '净利率': stock_data['net_profit'].magnitude / stock_data['net_profit'].max()
    }
    return financial_indicator

3. 技术指标的计算：

import tushare as ts
import numpy as np

def calculate_technical_indicator(stock_code):
    stock_data = ts.get_k_data(stock_code)
    technical_indicator = {
        'rsi': ts.RSI(stock_data['close'].values, timeperiod=14).RSI(),
        'macd': ts.MACD(stock_data['close'].values).macd()
    }
    return technical_indicator

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。