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，且股价轨迹呈圆弧形的股票作为投资标的。
选股逻辑分析
本选股策略在之前振幅和均线的条件下，加入了股价轨迹呈圆弧形的要求，这意味着股票在经历前期价值调整之后，开始进入反弹行情。此选股逻辑能够很好地筛选出处于较好走势中并有回升潜力的股票。
有何风险？
本选股逻辑忽略了其他基本面因素，如公司盈利情况、股息率等。圆弧形走势具有一定主观性，缺乏量化标准，选取标准容易存在盲区。此外，股票市场有较大的不确定性和波动性，选股逻辑的稳定性仍待考量。
如何优化？
可以继续加入其他基本面因素，如公司盈利、估值水平、股息率等，使选股因素更全面化。可以对圆弧形走势进行量化评估，如通过计算股价曲率或拟合圆弧等方式来量化股价走势，提高选股逻辑的稳定性。
最终的选股逻辑
本选股策略选取振幅大于1、均线向上发散且股价呈圆弧形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;
//计算圆弧形趋势
TREND = 0;
IF ((HHV(HIGH, 3) == H3) AND (LLV(LOW, 3) == L3), TREND = 100 , 0);
python代码参考
import tushare as ts
import pandas as pd
import numpy as np
def select_stock(market='sz', cap=10000000000):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "trend"])
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'market'] != market:
continue
if ts.get_stock_basics().loc[stock, 'mktcap'] < cap:
continue
data = ts.get_hist_data(stock)
if data is None:
continue
if len(data) < 3:
continue
if data["amplitude"][-1] < 1:
continue
# 今日均线向上发散
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
continue
# 圆弧形
high3 = data["high"].rolling(window=3).max()
low3 = data["low"].rolling(window=3).min()
curvature = np.abs((high3-data["high"][-1])*(low3-data["low"][-1]) - (high3-data["high"][-1])**2)/((high3-data["high"][-1])**2+(low3-data["low"][-1])**2)**1.5
if curvature.min() < 0.001:
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"trend": curvature.min()
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sz', cap=10000000000))
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。
