如何用量化公式筛选尾盘强势股?

企业微信

尾盘选股的量化逻辑

尾盘时段(14:30-15:00)往往决定次日开盘方向,主力资金常在此时段拉升或打压股价。量化尾盘选股的核心在于锁定尾盘异动个股,捕捉主力意图。公式设计需兼顾价格涨幅、成交量变化、相对强弱及资金净流入等维度,剔除虚假信号。

核心指标选取

尾盘涨幅过滤

尾盘涨幅需满足特定阈值,例如涨幅在2%至5%之间,确保个股有启动迹象但不追高。涨幅过高易回落,过低则能量不足。计算公式:


# 涨幅计算示例(使用收盘价)

change_pct = (close_price - prev_close) / prev_close * 100

成交量放大倍数

尾盘成交量应显著高于近期均值,通常要求尾盘30分钟成交量不低于过去5日均量的1.5倍。放量代表资金积极参与,但需排除天量出货情况。


volume_ratio = volume_tail / volume_avg_5

资金流向指标

统计大单净流入,使用主力净流入占比(净流入/流通市值)大于0.1%。该指标反映机构动向,可结合DDE(大单动向)或主力资金流数据。

如何用量化公式筛选尾盘强势股?

公式构建步骤

第一步:设定时间窗口

选取尾盘最后30分钟数据,计算该时段内的最高价、最低价、均价及成交量。使用分钟级K线,Python中的resample可便捷提取。


import pandas as pd

# 假设df为分钟级数据,索引为时间

# 提取尾盘时段

tail_df = df.between_time('14:30', '15:00')

第二步:计算初筛条件

  • 尾盘涨幅:tail_close >= prev_close * 1.02 (涨幅≥2%)

  • 尾盘成交量:tail_volume >= volume_avg_5 * 1.5

  • 尾盘价格波动:(tail_high - tail_low) / tail_close < 0.05,防止振幅过大。

第三步:引入资金数据

若有Level-2数据,可用大单净额。通用操作:加入main_net_inflow字段,筛选大于零。公式示例:


# 结合条件

selected = (tail_df['close'] > prev_close * 1.02) & \

           (tail_df['volume'] >= vol_avg_5 * 1.5) & \

           (main_net_inflow > 0) & \

           ((tail_df['high'] - tail_df['low']) / tail_df['close'] < 0.05)

第四步:动态调整参数

根据市场风格,牛市时可放宽涨幅至3%,震荡市则收紧。使用历史数据回测,优化参数组合,实现最大化次日收益。

回测与优化

回测时段选取近一年数据,每日尾盘选出股票池,次日开盘买入,持有至收盘卖出,计算胜率、盈亏比。注意排除一字板无法买入的情况。优化方向包括:

  • 添加相对大盘强弱(个股涨幅 - 大盘涨幅 > 1%)

  • 结合板块异动,同板块多股入选提高可信度

  • 剔除ST及上市不足60日新股

实战应用要点

风险控制

尾盘选股多为短线,需设置止损止盈。建议止损设为3%,止盈5%以上,仓位控制不超过20%。公式筛选后,手动复核基本面,避免财务爆雷个股。

市场环境适应

牛市尾盘异动普遍,公式可能选出过多股票,需提高涨幅阈值;熊市则应降低期望,仅在指数企稳时使用。趋势上涨时,尾盘拉升多为主力建仓;下跌趋势中,尾盘诱多概率较大。

公式代码示例(通达信


{尾盘选股公式}

尾盘时间:=TIME>=145000 AND TIME<=150000;

涨幅:= (CLOSE-REF(CLOSE,1))/REF(CLOSE,1)*100;

放量:= VOL>MA(VOL,5)*2;

大单: = 资金流量>0; {需数据支持}

选股: 尾盘时间 AND 涨幅 BETWEEN 2 AND 5 AND 放量 AND 大单;

常见陷阱规避

尾盘急拉但未封板,次日低开概率大,需注意封单金额。若尾盘放量下跌,则可能是出货,公式应排除跌幅超2%的个股。尾盘集合竞价异动,价格瞬间跳升,需谨慎追高。

尾盘量化选股的优劣势

优势在于捕捉隔日溢价,短线效率高,且避开盘中波动风险。劣势是信号易被主力利用,假突破较多。结合技术形态(如突破平台)能提升准确性。

实盘注意事项

公式需在收盘前几分钟计算,留出充足时间下单。交易建议采用限价单,避免滑点。每日复盘,记录选股结果与次日表现,持续迭代公式参数。量化交易强调纪律性,避免情绪干扰。

推荐使用Python的backtrader库或聚宽平台回测,生成收益曲线与最大回撤。以下为使用backtrader的简化框架:


import backtrader as bt

class TailMomentum(bt.Strategy):

    def next(self):

        if self.data.datetime.time() >= time(14,45):

            # 检查条件并执行买入

量化选股不是一劳永逸,市场结构变化要求公式定期调整。保持学习,关注资金偏好切换。

结语:尾盘量化选股公式是短线武器,需结合严格的风控与盘感。回测中发现,当公式胜率稳定在60%以上,盈亏比达到2:1时,才能实现稳定盈利。实践出真知,用历史数据检验你的策略。

转载请注明出处:https://www.lianghuajiaoyi.top/wenzhang/weipan-xuangu-lianghua-gongshi-439.html