问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散、30日平均线向上的股票。振幅反映了股票价格波动的情况，今日均线向上代表存在短期上涨的趋势，30日平均线向上代表存在中期上涨的趋势。选取这些指标的原因是为了找到近期和中期上涨动能较强的股票。
选股逻辑分析
本策略综合考虑了股票的短、中期走势，包括价格波动、短期趋势和中期趋势等方面。这些指标均较为直接地反映了股票近期和中期的走势情况，能够较好地选取出具有短期和中期上涨动能的股票。
有何风险？
该选股策略较大程度忽略了股票的长期趋势和基本面情况，过于侧重于短期和中期走势的判断。可能会选取到股票短期和中期涨幅较大，但基本面不确定、长期走势不佳的股票，导致风险较大。同时，该指标也较为严格地筛选了股票，可能会排除掉一些相对较稳健，但近期涨幅不高的股票，错过一些投资机会。
如何优化？
可以将指标调整为更全面地反映股票短、中、长期走势的因素。例如，可以加入MACD指标、布林线等技术指标来辅助判断股票短期和中期走势，同时可以考虑加入市场位置、资产负债率等基本面指标来辅助判断股票的长期走势。
可以考虑根据不同投资者的风险偏好和市场情况来进行指标的选取和权重调整，从而更加稳健地选取股票。
最终的选股逻辑
选取振幅大于1、今日均线向上发散、30日平均线向上的股票。
同花顺指标公式代码参考
- 振幅: AMO
- 今日均线向上发散: C > REF(MA(C,5),1) > MA(C,5)
- 30日平均线向上: MA(C,30) > REF(MA(C,30),1)
python代码参考
import tushare as ts
def select_stock():
stock_list = ts.get_stock_basics()
selected_stocks = stock_list[(stock_list["pb"] > 0) & (stock_list["pb"] < 1)]
hist_data = ts.get_hist_data(selected_stocks.index)
selected_stocks = selected_stocks[(hist_data["amplitude"] > 0.01)]
# 今日均线向上发散
for stock in selected_stocks.index:
data = ts.get_hist_data(stock)
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
selected_stocks.drop(stock, inplace=True)
# 30日平均线向上
for stock in selected_stocks.index:
data = ts.get_hist_data(stock)
ma30 = data["close"].rolling(window=30).mean()
if not (ma30[-1] > ma30[-2]):
selected_stocks.drop(stock, inplace=True)
# 筛选流通市值在50-100亿元之间的股票
selected_stocks = selected_stocks[(selected_stocks["nmc"] >= 5000000000) & (selected_stocks["nmc"] <= 10000000000)]
return selected_stocks
print(select_stock())
以上代码仅供参考，具体实现方法可以根据投资者需要和市场情况进行调整。
## 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？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
