问财量化选股策略逻辑
本选股策略选取满足振幅大于1、今日均线向上发散、且底部抬高的股票作为投资标的。
选股逻辑分析
选股策略结合了技术分析中的振幅、均线和底部抬高指标，这三个指标有对于分析股票的趋势和波动具有重要作用。本选股逻辑的实现相对简单，但仍然有效。
有何风险？
仅使用技术分析指标选股，未考虑股票的基本面及其他非技术因素，例如公司财务状况和市场环境等因素，无法全面考虑股票的价值，因此选股效果可能有一定偏差。
如何优化？
应该结合技术分析和基本面的分析，对选股策略进行升级，例如结合行业评级与分数，盈利水平和增长性等因素，以增强策略的有效性和稳健性。
最终的选股逻辑
本选股策略选取满足以下条件的股票：
- 振幅大于1
- 今日股价上穿3日均线
- 近期底部上升
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,3)-1;
//底部上升指标
BELOW_LOW = LLV(LOW, 90);
MA_BELOW_LOW = EMA(BELOW_LOW, 8);
CONDITION = ACC > 1 AND MA_SLOPE > 0 AND LOW > MA_BELOW_LOW;
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", "below_low", "code"])
# 循环所有的股票
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'code'][0:2] == '60' or \
ts.get_stock_basics().loc[stock, 'code'][0] == '0':
continue
data = ts.get_hist_data(stock)
if data is None:
continue
if data["amplitude"][-1] < 1:
continue
ma3 = data["close"].rolling(window=3).mean()
if not (data["close"][-1] > ma3[-2] and data["close"][-1] > data["close"][-2] and
data["close"][-2] < ma3[-2]):
continue
if data["low"][-1] < data["low"][-2]:
continue
below_low = data["low"].rolling(window=90).min()
below_low_ma = below_low.ewm(span=8, adjust=False).mean()
if data["low"][-1] < below_low_ma[-1]:
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma3[-1] / ma3[-3] - 1,
"below_low": data["low"][-1] / below_low_ma[-1] - 1,
"code": stock
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sz'))
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。
