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以及企业具有一定性质的股票。企业性质可以是高新技术企业、电子信息企业、医疗器械企业等。该选股逻辑将技术指标与基本面分析结合起来，有助于筛选出具有良好走势的优质股票。
选股逻辑分析
本选股策略选择了一些企业性质标准作为选股筛选条件，这可以起到进一步筛选股票的作用，有助于选出行业中的龙头股。同时，该选股策略将技术指标与基本面结合，从中选出具备良好走势的股票。这样的选股思路，有利于综合考虑多种因素，筛选出具有长期投资价值的优质股票，降低投资风险。
有何风险？
企业性质部分存在主观判断成分，在考量企业性质时可能存在尺度、标准、误差问题。同时，企业性质变化也需及时跟踪和更新。
如何优化？
可以改变企业性质部分的选股条件，灵活调整逻辑，结合行业特点和市场热点进行选股。也可以考虑增加一些其它基本面指标进行筛选，综合考虑多方面因素，提高选股准确率。
最终的选股逻辑
综合考虑技术指标和企业性质，对振幅大于1、周线MA5金叉MA10的股票进行筛选，同时选择具有一定企业性质的股票。在实际操作过程中，可以根据市场特点和投资风格调整选股条件。
同花顺指标公式代码参考
- 振幅公式：
- Amplitude = (HIGH - LOW) / PRE_CLOSE
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
python代码参考
import tushare as ts
import datetime
PRO = ts.pro_api('your_token')
def select_stocks(n, industry_list):
selected_stocks = []
for code in PRO.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv,pe,pb,area,list_date')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.daily(ts_code=code, start_date='20180101', end_date=datetime.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close')
if len(df) == 0:
continue
industry = PRO.stock_basic(ts_code=code, fields="industry")['industry'][0]
if industry not in industry_list:
continue
amplitude = (df['high'] - df['low']) / df['close'].shift(1)
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
if amplitude[-1] > 0.01 and ma5[-1] > ma10[-1]:
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。
