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、高点为两日最高的股票。振幅大于1反映了股票的价格波动情况，今日均线向上发散则意味着股票存在短期上涨的趋势，高点为两日最高则表明股票在短时间内有上升趋势。
选股逻辑分析
本策略选股侧重于技术指标，综合了振幅、均线和历史高点等因素，选取价格波动较大、存在上涨趋势并且当前时刻处于高位的股票。通过技术指标的分析，寻找有上涨潜力的股票。
有何风险？
本策略仍然存在市场风险，虽然选股侧重于技术指标，但是忽略了公司的基本面因素和外部事件影响等因素，选股结果可能不具有长期可持续性。
如何优化？
可以加入公司的基本面和产业优势等因素，更全面地评估股票的价值；同时可以减少选股依赖于历史高点的数据，加入其他市场情况的因素，更全面地评估股票的投资价值。
最终的选股逻辑
选取振幅大于1、今日均线向上发散、高点为两日最高的股票。
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)
- 高点为两日最高: C == MAX(MAX(HHV(C, 2), REF(CLOSE, 1)), REF(CLOSE, 1))
python代码参考
import tushare as ts
import talib
def select_stock():
stock_list = ts.get_stock_basics()
selected_stocks = stock_list[stock_list["pe"] > 0]
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 = talib.MA(data["close"].values, timeperiod=5)
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
selected_stocks.drop(stock, inplace=True)
# 高点为两日最高
for stock in selected_stocks.index:
data = ts.get_hist_data(stock)
if not ((data["high"][-1] == max(data["high"][-2:], default=0)) and (data["close"][-1] == max(data["close"][-2:], default=0))):
selected_stocks.drop(stock, inplace=True)
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。
