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以及底部抬高的条件进行投资，旨在通过技术面指标以及价格趋势的特征进行选股。
选股逻辑分析
此选股策略主要通过技术面指标来筛选优质企业，包含振幅、均线以及底部抬高等指标，突出了企业价格波动性和趋势性的重要性，同时对市场情况进行考虑。
有何风险？
此选股策略忽略了企业基本面的影响，如营收和利润等指标对股票表现的影响，难以预判市场变化对技术面指标的影响，存在一定的风险。
如何优化？
可以加入其他因素例如财务数据、政策法规等因素进行筛选，同时可以根据市场情况进行灵活调整，例如加入动态市盈率等指标进行筛选，同时可以适度宽松地设置过滤条件。
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以及底部抬高的条件进行投资，并结合其他技术和基本面指标、行业面影响等方面的综合分析进行筛选。
同花顺指标公式代码参考
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- 底部抬高公式：
- LOW POINT = REF(MIN(LOW,N),0)
- RETURN ((LOW + HIGH + CLOSE) / 3 - LOW POINT) / LOW POINT * 100
python代码参考
import tushare as ts
import pandas as pd
import numpy as np
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,circ_mv,total_mv')
if df.iloc[-1]['pct_chg'] > 0 and df.iloc[-5]['close'] < df.iloc[-1]['close'] and (df.iloc[-1]['high'] - df.iloc[-1]['low']) / df.iloc[-2]['close'] > 0.01 and df.iloc[-1]['close'] > np.maximum(df.iloc[-2]['open'], df.iloc[-2]['close']) and df.iloc[-1]['close'] > df.iloc[-2]['close']:
low_point = df.iloc[-18:-2]['low'].min()
if ((df.iloc[-1]['high'] + df.iloc[-1]['low'] + df.iloc[-1]['close']) / 3 - low_point) / low_point > 0.1:
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。
