用deepseek學量化：構建一個低位單峰密集 低估值的選股模型

今天學習一個基于低位單峰密集的選股多因子模型，需要結合技術面（籌碼分布）、基本面（估值/成長）和量價特征，以下是一個完整的框架設計和實現步驟：

1. 核心邏輯定義

• 低位單峰密集的核心特征：

• 籌碼集中度：70%以上籌碼集中在狹窄價格區間（單峰形態）。

• 股價位置：處于歷史相對低位（如近3年分位數低于20%）。

• 量價配合：底部縮量震蕩后出現溫和放量突破。

2. 因子池設計

2.1 技術面因子（核心）

2.2 基本面輔助因子

2.3 市場情緒因子

• 注意：技術面因子權重占60%（籌碼集中度25%、低位判定20%、量價突破15%），基本面30%，情緒因子10%。

N1:=750;    {3年交易日≈750天}

N2:=14;     {RSI計算周期}

N3:=5;      {短期成交量均線周期}

N4:=30;     {長期成交量均線周期}

{1. 計算RSI}

LC := REF(CLOSE,1);          {昨日收盤價}

DELTA := CLOSE - LC;        {價格變動}

UP := SUM(IF(DELTA > 0, DELTA, 0), N2); {N2日內上漲幅度總和}

DOWN := SUM(IF(DELTA < 0, ABS(DELTA), 0), N2); {N2日內下跌幅度總和}

RS := UP / (DOWN 0.000001);        {防止除零}

手動RSI := 100 * (RS / (1 RS));    {RSI計算公式}

{2. 籌碼集中度條件}

籌碼下限 := COST(15);

籌碼上限 := COST(85);

籌碼寬度 := 籌碼上限 - 籌碼下限;

集中度條件 := 籌碼寬度 / C < 0.15;

{3. 股價低位判定}

最低價3年 := LLV(LOW,N1);

最高價3年 := HHV(HIGH,N1);

價格分位數 := (CLOSE - 最低價3年) / (最高價3年 - 最低價3年 0.0001);

低位條件 := 價格分位數 <= 0.2;

{4. 量價突破驗證}

量能放大 := MA(VOL,N3) / MA(VOL,N4) > 1.5;

突破籌碼峰 := CLOSE > (籌碼上限 籌碼下限) / 2;

量價條件 := 量能放大 AND 突破籌碼峰;

{5. 估值安全邊際}

PE := DYNAINFO(39);     {動態市盈率}

估值條件 := PE > 0 AND PE < 30;

{6. 超賣修復信號}

RSI條件 := 手動RSI < 30 AND 手動RSI > REF(手動RSI,3); {RSI低于30且3日內回升}

{綜合選股條件}

選股條件: 

    集中度條件 

    AND 低位條件 

    AND 量價條件 

    AND 估值條件 

    AND RSI條件;

1. 動態風險控制：可增加大盤擇時開關：

{大盤趨勢過濾（滬深300在60日均線上方）}

INDEXC300 := STKINDI('399300','CLOSE',0,6,0);
大盤條件 := INDEXC300 > MA(INDEXC300,60);
選股條件 := 選股條件 AND 大盤條件;

2、選股結果過多/過少

{放松條件示例}

價格分位數 := ... <= 0.25;  {從20%放寬到25%}

量能放大 := ... > 1.3;      {從50%增幅降到30%}