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，且量比大于1.5，量比小于6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，加入了量比的要求来进一步筛选股票。量比是股票当日总成交量与其之前5日平均成交量的比值，反映了股票当日交易的活跃程度。此选股逻辑能够很好地筛选出交易量相对较高并且处于上升趋势的股票。
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。量比作为评价自身股票交易活跃程度的指标，难以确保选出的股票未来还能保持良好的交易活跃度。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。可以以更长时间窗口为基准，加入更多单指标的条件如RSI指标。此外，可以通过深入研究量比，选取更为稳定有效的量比条件，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、均线向上发散且量比大于1.5，量比小于6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);
//计算量比
VR = SUM(IF(VOL > REF(VOL, 1), VOL, 0), 26) / SUM(IF(VOL < REF(VOL, 1), VOL, 0), 26);
//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):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "vr"])
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) < 6:
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
# 量比大于1.5，小于6
days_vr = data["volume"].rolling(window=6).apply(lambda x: (x[-1] / x[:-1].mean()))
if not (1.5 < days_vr[-1] < 6):
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"vr": days_vr[-1]
}, 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。
