问财量化选股策略逻辑
- 去除新股与次新股：这是为了筛选出已经有一定市场表现的老股，避免因为新上市或次新股短期波动较大，影响投资决策。
- 连续5天涨幅大于-4%：这是为了过滤掉短期内快速上涨但缺乏持续性的股票，以免买入后很快下跌。
- J值小于K值：这是为了避免在股票价格即将反转时买入，而是等待其回调后再买入。
选股逻辑分析
以上三个条件都有其合理性，但需要根据具体的投资目标和市场情况进行调整。例如，如果追求短期收益，可以适当降低要求，如连续3天涨幅大于-4%，或者只考虑最近的一段时间内的走势；如果更注重长期投资，可以选择不考虑涨幅的要求，或者增加其他的风险控制措施。
有何风险？
使用这种策略进行选股，可能会错失一些具有潜在增长潜力的股票，因为这些股票可能不符合当前的标准。此外，这种方法也可能会导致投资者过度关注短期的市场波动，而忽视了公司的基本面和长期价值。
如何优化？
可以尝试根据不同的投资风格和风险偏好，对上述条件进行适当的调整。例如，可以将连续5天涨幅的要求降低到3%，或者只考虑过去一个月的走势。还可以考虑添加其他的风险控制指标，如市盈率、市净率等。
最终的选股逻辑
根据以上分析，我们可以得出一个简单的选股逻辑：首先排除新股和次新股，然后找出在过去的一个月内，连续5天涨幅超过-4%，并且J值小于K值的股票。
常见问题
Q: 为什么不去选择连续6天涨幅超过-4%的股票？
A: 这是为了防止一些股票出现过于夸张的短期涨幅，以便更好地识别真正有潜力的股票。
python代码参考
import pandas as pd
import talib
def filter_stocks(df):
df = df[df['上市日期'] < '2022-01-01']
df = df[df['行业'] != '科技']
df = df[df['上市时间'] > 365 * 2]
df = df[(df['涨跌幅'] > -4) & (df['J值'] < df['K值'])].copy()
return df
df = pd.read_csv('stock_data.csv')
filtered_df = filter
## 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。