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以及近25个交易日有单日涨幅大于等于百分之10的条件进行投资，旨在寻找近期具备较大潜力的股票。
选股逻辑分析
选股策略中综合考虑了股票的波动性、均线走势及股价涨幅等多方面因素，旨在选出最具增长潜力的股票。
有何风险？
此选股策略过于偏重于股票表现，而忽略了企业基本面的影响，此外，较高股价涨幅并不能保证未来继续上涨，存在一定程度上的风险。
如何优化？
可以结合企业基本面数据进行股票的筛选，如市盈率、营收增长率等，同时可采用技术指标对股票进行进一步筛选，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和近25个交易日有单日涨幅大于等于百分之10的条件进行投资，同时综合考虑股票的基本面和技术面指标。
同花顺指标公式代码参考
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
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']:
df_last_25_days = df.tail(25)
if df_last_25_days[df_last_25_days['pct_chg'] >= 10]['ts_code'].count() > 0:
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。
