问财量化选股策略逻辑
本选股策略选择振幅大于1、昨日成交额大于6千万、反包的股票为选取对象。
选股逻辑分析
振幅大于1、昨日成交额大于6千万是为了筛选出近期波动较大的营收较好的股票，以获得更快的利润。而反包是指在做多或做空的趋势中，出现与趋势方向相反的波动，这种情况下可能会引起趋势反转。因此，反包可以作为判断趋势反转的指标，筛选出具有高潜力的股票。
有何风险？
由于反包现象可能并不常规，而且可以在不同时间范围内有不同的表现，因此非常难以完全确定其有效性。另外，实际运用时，由于反包的特性，这种选股策略可能会选择出一些价格有更高风险的股票，这都需要投资者自行评估。
如何优化？
可以加入更多其他的技术指标和基本面因素，例如MACD、RSI、市盈率、市净率等进行筛选，同时可以通过其他渠道获取企业财务数据进行验证。另外，对反包这个条件，可以引入更科学和更简单易懂的方法，例如横盘震荡或移动平均线的变化等。
最终的选股逻辑
将本选股策略的最终逻辑定为筛选振幅大于1、昨日成交额大于6千万、反包的股票为选取对象。
同花顺指标公式代码参考
// 筛选条件1：振幅大于1
amplitude = (HIGH - LOW) / OPEN
amplitude_bool = amplitude > 0.01
// 筛选条件2：昨日成交额大于6千万
last_day_vol_bool = VOLUME > 60000000
// 筛选条件3：反包
up = (HIGH + LOW) / 2
down = REF(up, 1)
range = ABS(up - down)
anti_package = (REF(CLOSE, 1) - up) / range < -0.5
anti_package_bool = anti_package == 1
// 合并筛选条件
result = amplitude_bool & last_day_vol_bool & anti_package_bool
// 输出结果
result
python代码参考
import tushare as ts
# 筛选条件1：振幅大于1
now_data = ts.get_today_all()
amplitude = (now_data['high'] - now_data['low']) / now_data['open']
amplitude_bool = amplitude > 0.01
# 筛选条件2：昨日成交额大于6千万
last_day_vol_bool = now_data['volume'] > 60000000
# 筛选条件3：反包
h = now_data['high']
l = now_data['low']
up = (h + l) / 2
down = up.shift(1)
range = abs(up - down)
close = now_data['trade']
anti_package_bool = (close.shift(1) - up) / range < -0.5
# 合并筛选条件
result = amplitude_bool & last_day_vol_bool & anti_package_bool
# 筛选结果
final_result = now_data.loc[result]
# 输出结果
print(final_result)
## 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。
