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、非ST且在10点之前的股票，采用五部涨停战法。通过技术面和股票基本信息的综合分析来筛选股票。
选股逻辑分析
振幅大于1和周线MA5金叉MA10的选股条件是技术面指标，可以筛选出技术面良好的股票。排除ST股可以避免一些不稳定的风险。在10点之前选股则避免了开盘前的利好因素能够影响筛选结果。采用五部涨停战法，可以筛选出具有上涨潜力的股票。
有何风险？
在排除ST股票时，由于包含的信息量很少，可能会忽略掉一些有潜力的股票。同时，基于技术面指标和涨停战法的选股逻辑可能容易被机构利用，导致选股效果下降。
如何优化？
可以引入更多的股票基本面、市场情况、行业热点等因素，来提高选股的准确性和全面性。可以通过机器学习等方法，对选股逻辑进行优化和改进，提高选股的准确性。
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、非ST且在10点之前选取股票，采用五部涨停战法。在实际使用中，可以根据市场情况和自己的实际需求，对选股逻辑进行调整和优化。
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
- ST股票判断：
- substr(SEC_NAME, -2) != 'ST'
- 在10点之前选股票：
- trade_time < '10:00:00'
- 五部涨停战法：
- REF(VOL,5) / MA(VOL,30) > 2
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') or substr(PRO.namechange(ts_code=code)['name'][0], -2) == 'ST':
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,vol')
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['trade_time'] < '10:00:00') & (REF(df['vol'], 5) / MA(df['vol'], 30) > 2)
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。
