如何构建量化起爆选股公式？

📅 2026-08-20 08:12👁️ 11056 阅读💬 0 评论

企业微信

量化起爆选股公式的核心逻辑

量化起爆选股公式旨在捕捉股价在经历长期横盘或小幅回调后，突然放量突破关键阻力位的瞬间。其核心逻辑基于三个维度：动量（Momentum）、成交量异动（Volume Surge）和波动率收窄（Volatility Squeeze）。动量因子衡量价格变化的速度，成交量异动确认资金介入，波动率收窄则表明市场处于平衡将被打破的前夜。

动量因子通常采用ROC（变动率）或RSI（相对强弱指标）的变形。ROC计算当前价格与N周期前价格的百分比变化，RSI则反映超买超卖状态。起爆时刻的动量须处于上升趋势但未至极值，避免追高。成交量异动通过当日成交量与过去M日均量的比值（Volume Ratio）判断，比值需大于2.0，且连续多日温和放量（1.2-1.5倍）后突然放大至3倍以上，才视为有效起爆信号。波动率收窄使用布林带宽度（Bollinger Bandwidth）或ATR（平均真实波幅）来衡量，当带宽低于近一年最低分位的20%时，表明波动即将爆发。

公式构建步骤

1. 数据准备

获取日线数据（OHLCV），至少包含过去250个交易日。清洗数据，剔除停牌、ST、涨跌停板无法成交的股票。使用前复权价格保证连续性。

2. 指标计算

动量因子：计算12日ROC，公式为（当日收盘价/12日前收盘价-1）*100。起爆条件为ROC介于5%至15%之间，且较前一日上升。
成交量异动：计算5日均量（VolMA5），当日成交量/VolMA5 > 2.5，且前一日比值在1.0-1.8之间，形成突变。
波动率收窄：计算20日布林带带宽=（上轨-下轨）/中轨。带宽处于过去100日最低的20%区间内（即带宽的百分位低于20%）。

3. 信号合成

三个条件同时满足时，生成买入信号。为减少噪声，要求信号出现前5个交易日股价振幅收窄（ATR14处于近半年低位），并过滤掉市值小于50亿元的股票（流动性风险）。

如何构建量化起爆选股公式？

Python实现代码演示


import pandas as pd

import numpy as np

def quant_breakout_signal(df, mom_period=12, vol_period=5, band_period=20, low_percentile=20):

    df = df.copy()

    # 动量因子

    df['ROC'] = (df['Close'] / df['Close'].shift(mom_period) - 1) * 100

    # 成交量异动

    df['VolMA'] = df['Volume'].rolling(vol_period).mean()

    df['VolRatio'] = df['Volume'] / df['VolMA']

    # 波动率收窄

    df['SMA'] = df['Close'].rolling(band_period).mean()

    df['STD'] = df['Close'].rolling(band_period).std()

    df['Upper'] = df['SMA'] + 2 * df['STD']

    df['Lower'] = df['SMA'] - 2 * df['STD']

    df['BandWidth'] = (df['Upper'] - df['Lower']) / df['SMA']

    bandwidth_history = df['BandWidth'].rolling(100).apply(lambda x: (x[-1] < np.percentile(x, low_percentile)) * 1)

    df['VolSqueeze'] = bandwidth_history

    # 信号

    df['Signal'] = ((df['ROC'] > 5) & (df['ROC'] < 15) & (df['ROC'] > df['ROC'].shift(1)) &

                    (df['VolRatio'] > 2.5) & (df['VolRatio'].shift(1) < 1.8) &

                    (df['VolSqueeze'] == 1)).astype(int)

    return df[df['Signal'] == 1]

该函数输入DataFrame包含Open/H/L/C/V，输出起爆日的数据。实际应用时需配合股票池遍历。