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且按今日竞价金额排序前5的股票。本策略综合考虑了股票价格波动、技术面和市场热度等因素，能够筛选出波动良好、技术面较好且获得市场人气的股票。
选股逻辑分析
振幅大于1的选股条件考虑了股票价格波动的稳定性，可以筛选出市场波动的股票。周线MA5金叉MA10则考虑了技术面的因素，可以筛选出技术面良好的股票。按今日竞价金额排序前5的条件则考虑了市场热度的影响，可以筛选出受到市场关注的股票。综合使用这三个条件可以筛选出波动良好、技术面较好且获得市场人气的股票。
有何风险？
本选股策略只考虑了股票价格波动、技术面和市场热度的因素，未考虑基本面等因素，存在选股失误的风险。另外，可能会有一些虚假热门股票被选中，需要慎重选择。
如何优化？
可以加入其他指标，如市场整体趋势和基本面指标等，对选股策略进行优化。同时，可以结合其他的技术指标和价格趋势指标来综合考虑股票的市场趋势和氛围，以求更好的收益率。
最终的选股逻辑
本选股逻辑的选股策略是振幅大于1、周线MA5金叉MA10且按今日竞价金额排序前5的股票。在实际使用中，可以根据自己的实际情况，调整和优化具体细节，以适应市场的变化。
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
- 排序公式：
- 排序按照当日竞价金额从高到低排序
- 选股公式：
- 振幅大于1，MA5金叉MA10，今日竞价金额排序前5
python代码参考
import tushare as ts
PRO = ts.pro_api('your_token')
def select_stocks(n):
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')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.daily(ts_code=code, start_date='20180101', end_date='20220525', fields='ts_code,trade_date,open,high,low,close,amount')
if len(df) == 0:
continue
amplitude = (df['high'] - df['low']) / df['pre_close']
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
sort_cond = df['amount'].sort_values(ascending=False).index[:5].contains(df.index[-1])
condition = (amplitude > 0.01) & (ma5 > ma10) & sort_cond
if condition:
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。
