问财量化选股策略逻辑
本选股策略选取振幅大于1，周线MA5金叉MA10以及今日控盘大于21的条件进行投资，旨在通过技术面指标和股票走势特征进行选股。
选股逻辑分析
选股策略中主要采用了技术分析中的振幅、均线以及控盘指标，重视当天交易中主力资金的参与，旨在找到近期走势良好的股票。
有何风险？
此选股策略没有考虑企业的基本面面影响，如盈利、营销等指标，难以预测技术面指标对股票表现的影响，同时并不能完全避免市场变化对价格波动的影响，存在一定程度的风险。
如何优化？
可引入其他指标如基本面数据、新闻公告等进行筛选，同时根据市场情况进行适当调整，如放宽或加强过滤条件，优化选股效果。
最终的选股逻辑
本选股策略选取振幅大于1，周线MA5金叉MA10以及今日控盘大于21的条件进行投资，并综合考虑其他技术和基本面指标来进行股票的筛选。
同花顺指标公式代码参考
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- 控盘指标公式：
- CONTROLLING SHAREHOLDERS = 100 * (CLOSE - OPEN) / OPEN
python代码参考
import tushare as ts
import pandas as pd
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry,market,area,pe,pb,circ_mv')['ts_code']:
df = pro.daily(ts_code=code, start_date='20210101', end_date=pd.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol,amount')
if (df.iloc[-1]['high'] - df.iloc[-1]['low']) / df.iloc[-1]['close'] > 0.01 and df.iloc[-1]['close'] > df.iloc[-1]['open'] and df.iloc[-1]['close'] > (df.iloc[-1]['open'] + df.iloc[-1]['close'] + df.iloc[-1]['low']) / 3 and df.iloc[-1]['close'] > df.iloc[-2]['close']:
controlling_shareholders = 100 * (df.iloc[-1]['close'] - df.iloc[-1]['open']) / df.iloc[-1]['open']
if controlling_shareholders > 21:
df_weekly = pro.weekly(ts_code=code, start_date='20210101', end_date=pd.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol,circ_mv,total_mv')
df_weekly['ma5'] = df_weekly['close'].rolling(5).mean()
df_weekly['ma10'] = df_weekly['close'].rolling(10).mean()
if df_weekly.iloc[-1]['ma5'] > df_weekly.iloc[-1]['ma10']:
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
