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、k小于20为基本条件。
选股逻辑分析
相较于前一个选股策略，本策略增加了一个新的条件：k小于20。K线图中的K值代表随机指标，K值越小，表示股票处于低估状态，有可能反弹或走牛。本选股逻辑可以更好地抓住股票短期反弹机会。
有何风险？
与前一个选股逻辑类似，本选股策略选股存在较大的风险，因为关注于短期反弹机会，基于短期趋势，具有较高的不确定性。同时，k值波动较大，容易产生一定的误差。
如何优化？
可以加入其他指标对选股策略进行优化，如增加均线交叉等技术指标，以及加入基本面的分析。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、k小于20。
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：k小于20
df['K'] = (df['CLOSE'] - df['LOW'].rolling(9).min())/(df['HIGH'].rolling(9).max() - df['LOW'].rolling(9).min()) * 100
df = df[df['K'] < 20]
# 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。
