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、昨日股价大于250日均线的股票。选取这些指标的原因是为了找到近期价格波动较大，受到市场关注且处于较强势的股票。
选股逻辑分析
本策略考虑了股票的价格波动情况、市场关注度和趋势情况，通过振幅、今日均线和250日均线三项指标进行筛选。振幅和今日均线反映了近期价格波动情况和市场关注度，而250日均线则反映了股票的长期趋势性。这些指标的综合运用有利于筛选出具有较强势、投资价值的股票。
有何风险？
该选股策略仍然存在较大的市场风险。一方面，过分关注近期价格波动和市场关注度，可能会忽略了股票的长期价值和基本面的影响，导致错过了市场的长期上涨机会。另一方面，股票价格波动过大，存在不确定的风险。此外，选股指标较严格，可能会忽略掉一些具有潜力但暂时不太活跃的股票。
如何优化？
可以加入其他技术指标来辅助判断股票的投资价值，例如MACD、RSI等技术分析指标。同时可以适当关注股票的基本面情况，例如财务指标、行业前景等因素。
可以更加灵活地设定选股策略和指标权重，根据市场情况和投资者需求进行优化。例如，可以引入市盈率、市净率等基本面指标来判断投资价值。
最终的选股逻辑
选取振幅大于1、今日均线向上发散、昨日股价大于250日均线的股票。
同花顺指标公式代码参考
- 振幅: AMO
- 今日均线向上发散: C > REF(MA(C,5),1) > MA(C,5)
- 昨日股价大于250日均线: C[1] > MA(C,250)
python代码参考
import tushare as ts
def select_stock():
stock_list = ts.get_stock_basics()
selected_stocks = stock_list[(stock_list["pb"] > 0) & (stock_list["pb"] < 1)]
hist_data = ts.get_hist_data(selected_stocks.index)
selected_stocks = selected_stocks[(hist_data["amplitude"] > 0.01)]
# 今日均线向上发散
for stock in selected_stocks.index:
data = ts.get_hist_data(stock)
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
selected_stocks.drop(stock, inplace=True)
# 昨日股价大于250日均线
for stock in selected_stocks.index:
data = ts.get_hist_data(stock)
ma250 = data["close"].rolling(window=250).mean()
if not (data["close"][-2] > ma250[-2]):
selected_stocks.drop(stock, inplace=True)
# 筛选流通市值在50-100亿元之间的股票
selected_stocks = selected_stocks[(selected_stocks["nmc"] >= 5000000000) & (selected_stocks["nmc"] <= 10000000000)]
return selected_stocks
print(select_stock())
以上代码仅供参考，具体实现方法可以根据投资者需要和市场情况进行调整。
## 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。
