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，并且股票代码以60开头的股票作为投资标的。
选股逻辑分析
本选股策略主要考虑选取出较为波动的、走势相对较好的股票，并且能够结合股票代码进行筛选。相较于其他选股逻辑，本选股策略选择精度更高，但是会因为在一些特殊情况下可能过于苛刻而错失好股票。策略优点在于能够从数量有限的股票中，选取出相对质量较高的投资标的。缺点在于选股条件比较苛刻，不能适应所有市场走势和热点。
有何风险？
股票代码以60开头的股票数量有限，筛选出来的股票可能过于集中，缺乏多样性。此外，选股条件较为单一，忽略了一些基本面数据和市场行情，容易受到市场变化的影响，存在一定风险。同时，选股策略的种类、选股条件的设置等会对结果产生不同的影响，需要进行谨慎分析和细致考虑。
如何优化？
可以考虑在股票初始数据范围内加入其他技术指标或筛选条件，例如成交量、RSI、MACD等，以及改变策略中股票代码的设定，或是改变设定的振幅或均线设置等，来进行优化，使选股策略更具普适性和适应性。
最终的选股逻辑
本选股策略选取振幅大于1、今日均线向上发散，并且股票代码以60开头的股票作为投资标的。
同花顺指标公式代码参考
通达信指标公式代码：
//计算振幅
ACC = 100 * (HIGH - LOW) / REF(CLOSE, 1);
//计算均线的斜率
MA_SLOPE = MA(CLOSE, 1) / MA(CLOSE, 5) - 1;
//筛选股票代码以60开头
CODE = LEFT(MARKET, 2) == '60';
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sh'):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "code"])
# 循环所有的6开头的股票
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'code'][0:2] != '60':
continue
data = ts.get_hist_data(stock)
if data is None:
continue
# 按照选股逻辑筛选
if data["amplitude"][-1] < 1:
continue
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"code": stock
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sh'))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
