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、外盘/内盘大于1.3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资金面来进行选股。振幅大于1和今日最大跌幅小于-4且大于-5反映了股票短期内的波动情况，而外盘/内盘大于1.3代表了市场上空头力量相对于多头力量更为强势。本选股策略依靠资金面指标更为明显，其中的外盘/内盘反映了主力资金的动向，相比于单纯的技术面选股，本策略考察了市场情绪和投资者的资金分布状况，更能把握市场走势的趋势。
有何风险？
本选股策略的核心是资金面选股，而资金面指标的可靠性与市场的情况密切相关，所以本策略的风险还是集中于市场风险和数据风险。市场风险的主要表现是在市场情况频繁变动的时候，市场情绪容易受外界因素的影响，导致选股结果出现偏差；而数据质量的问题主要表现在数据来源不可靠，或者选取的指标与市场状况脱离太远，无法准确反映市场的实际情况。
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，需要对各种指标进行权重调整和优化，以确保策略的整体表现。另外，需要注意数据质量的问题，应选择可靠的数据来源，并进行数据清洗和处理，以减少数据风险。
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；
- 外盘/内盘大于1.3。
同花顺指标公式代码参考
- 外盘/内盘：
BARSLAST([CURRENT]>[REF(CURRENT,1)]) - 涨跌幅：
(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)*100
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
# 外盘/内盘
bars = ts.get_sina_dd(stock, date=df.iloc[-1]['date'], vol=50000).iloc[:, 4]
if bars[bars > 0].sum() / abs(bars[bars < 0].sum()) <= 1.3:
return False
return True
# 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。
