问财量化选股策略逻辑
本选股策略选择振幅大于1、非ST（上午10点之前选股票）、五部涨停战法和10日涨幅大于0小于35作为基本条件。
选股逻辑分析
相对于前一个选股策略，本策略增加了10日涨幅大于0小于35的条件，目的是更加关注股票走势，并选择相对稳定的个股进行投资。同时，振幅大于1、非ST、五部涨停战法等条件也是为了找寻波动性较强、有热度的个股，有利于实现优秀的投资收益。
有何风险？
和前一个选股策略相比，本策略增加了对走势的关注，通过10日涨幅来筛选股票。虽然相比以往更加关注市场动向，但是仍然可能会忽略其他因素，如个股基本面等，因此风险相对较高。
如何优化？
除了上述条件外，可以加入其他指标对选股策略进行优化，例如综合判断市场热点、个股基本面、行业等方面的因素。同时，应该多关注市场走势和市场情绪等方面的信息，并灵活调整选股策略。
最终的选股逻辑
本选股策略的最终逻辑为：振幅大于1、非ST、五部涨停战法、10日涨幅大于0小于35。
同花顺指标公式代码参考
无
python代码参考
import pandas as pd
import tushare as ts
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于1
df['AMPLITUTE'] = df.apply(lambda row: max(row['HIGH'] - row['LOW'], abs(row['HIGH'] - row['PREV_CLOSE']), abs(row['LOW'] - row['PREV_CLOSE'])), axis=1)
df = df[df['AMPLITUTE'] > 1]
# 筛选条件2：非ST, 10点之前选股票
df = df[df['NAME'].str.upper().str.find('ST') == -1]
df = df[df['TIME'] < '10:00']
# 筛选条件3：五部涨停战法
df['CLOSE_SMA5'] = df['CLOSE'].rolling(5).mean()
df['UP_FLAG'] = df.apply(lambda row: 1 if row['CLOSE'] >= row['CLOSE_SMA5'] else 0, axis=1)
df['UP_FLAG_SUM5'] = df['UP_FLAG'].rolling(5).sum()
df = df[df['UP_FLAG_SUM5'] == 5]
# 筛选条件4: 10日涨幅大于0小于35
df['10D_PERCENT'] = (df['CLOSE'] - df['PREV_CLOSE']) / df['PREV_CLOSE'] * 100
df = df[(df['10D_PERCENT'] >= 0) & (df['10D_PERCENT'] < 35)]
# 输出选股数据
print(df)
## 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。
