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，且昨天股票换手率大于8%的股票作为投资标的。
选股逻辑分析
本选股策略综合考虑了股票的波动性、走势、换手率等因素。振幅和均线条件反映了股票近期的走势，换手率则是参考了市场热度。选股逻辑比较全面，较为科学，适用于市场中长期投资的初步筛选。
有何风险？
本选股策略忽略了其他基本面因素，如盈利情况、估值水平等。此外，仅考虑前一天的换手率可能因市场大幅波动而出现一定的误差。另外，本选股策略没有考虑股票流通市值、市盈率等因素，可能会陷入“价廉物美”的盲目投资。
如何优化？
可以加入其他基本面因素，如公司盈利、估值水平等，作为选股条件的补充。同时，可以对换手率条件进行深入研究，选择合适的时间窗口，尽量避免由市场大幅波动而带来的误判。另外，可以加入股票流通市值、市盈率等因素，更全面地考虑股票投资的价值。
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，且昨天股票换手率大于8%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;
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sz', cap=10000000000, turnover_rate=8):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "turnover_rate"])
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
prev_data = ts.get_hist_data(stock, start=(pd.Timestamp.today() - pd.Timedelta(days=2)).strftime('%Y-%m-%d'))
if prev_data is None:
continue
if len(prev_data) < 2:
continue
if prev_data["turnover_rate"][-2] < turnover_rate:
continue
data = ts.get_hist_data(stock, start='09:25:00')
if data is None:
continue
if len(data) < 2:
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
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"turnover_rate": prev_data["turnover_rate"][-2]
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sz', cap=10000000000, turnover_rate=8))
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。
