问财量化选股策略逻辑
本选股策略选取满足振幅大于1、今日最大跌幅小于-4且大于-5、七连阴的股票作为投资标的。
选股逻辑分析
本选股策略同样基于技术面和市场情况来进行选股。振幅大于1、今日最大跌幅小于-4且大于-5反映了近期市场的波动情况，而七连阴则说明了市场的熊市态势。本选股策略主要从市场的技术面和情绪面考虑，选取七连阴的股票，基于的是熊市下的反弹机会。
有何风险？
本选股策略的风险主要是熊市下股票的表现比较难以预测，加上选取的数据周期比较短，可能会导致选取的股票没有很好的表现。同时，七连阴在反弹时往往会与各种反弹行为产生干扰，难以准确选定回调位置，所以需要结合其他技术指标来进行判断和筛选。
如何优化？
本选股策略可以结合其他技术指标和资金面指标来进行优化，如MACD、RSI、OBV等，以增加策略的准确性和稳定性。同时需要注意，选取的数据周期不宜过短或者过长，应该结合市场情况和个股的表现情况进行调整。另外，在对于七连阴的选股逻辑中，可以将选股要求由“七连阴”改为“连续逐日下跌”，同时结合其他技术指标和K线形态，以增加策略的可选性和实际收益情况。
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；
- 今日最大跌幅小于-4且大于-5；
- 连续逐日下跌。
同花顺指标公式代码参考
- 涨跌幅：
(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)*100 - 连续下跌天数：
SUM(IF(CLOSE>REF(CLOSE,1),0,1),7)==7
python代码参考
import tushare as ts
# 判断是否满足选股逻辑
def select_logic(stock):
# 振幅
df = ts.get_k_data(stock, ktype='D')
if df.iloc[-1]['high'] - df.iloc[-1]['low'] <= df.iloc[-2]['close'] * 0.01:
return False
# 今日最大跌幅
if df.iloc[-1]['low'] > df.iloc[-2]['close'] * 0.96:
return False
# 连续逐日下跌
end_date = df.iloc[-1]['date']
df = ts.get_k_data(stock, end=end_date, ktype='D')
if (df['close'] <= df['close'].shift(1)).tail(7).all():
return True
return False
# 选取满足条件的股票
def select_stock():
selected_stocks = []
all_stocks = ts.get_stock_basics()
for stock in all_stocks.index:
if all_stocks.loc[stock, 'name'][0] == '*':
continue
if all_stocks.loc[stock, 'outstanding'] * all_stocks.loc[stock, 'price'] > 1000:
continue
if all_stocks.loc[stock, 'pb'] < 0 or all_stocks.loc[stock, 'pe'] < 0:
continue
if not select_logic(stock):
continue
selected_stocks.append(stock)
return selected_stocks
print(select_stock())
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。
