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且昨日9:15匹配价跌停的股票。本策略基于股票价格波动、技术面和昨日市场情况等因素进行选股，可以筛选出波动性较大，但为中长线趋势的股票。
选股逻辑分析
振幅大于1的选股条件是股票价格波动性较大，可以考虑持有中长线。周线MA5金叉MA10是技术面指标，可以筛选出技术面良好的股票。昨日9:15匹配价跌停则考虑了昨日市场情况的影响，可以筛选出在市场反弹时出现下跌的股票。综合使用这三个条件可以筛选出波动性较大，但为中长线趋势的股票。
有何风险？
本选股策略只考虑了股票价格波动、技术面和昨日市场情况的因素，未考虑基本面等因素，存在选股失误的风险。同时，振幅大的股票有可能存在相应的风险，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，并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和昨日9:15匹配价跌停的股票。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
- 昨日9:15匹配价跌停公式：
- MatchedPrice_yesterday_915 < PRE_CLOSE * 0.9
- 选股公式：
- 振幅大于1，MA5金叉MA10，昨日9:15匹配价跌停
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,pre_close')
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()
condition = (amplitude > 0.01) & (ma5 > ma10) & (df['matched_price_yesterday_915'] < df['pre_close']*0.9)
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。
