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、今日均线向上发散的股票进行选股。
选股逻辑分析
本选股策略整合了传统的选股指标，同时增加了“今日均线向上发散”作为新的选股条件，可以更有效地筛选出优质股票。
有何风险？
本选股策略存在以下风险：1）均线的计算方法可能存在不确定性；2）过分注重近期股价走势，可能忽视长期基本面分析。
如何优化？
对于以上风险，可以对本选股策略进行如下优化：1）结合其他技术分析方法来确认均线走势；2）综合考虑股价走势和基本面因素，适当平衡短期与长期的投资策略。
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、今日均线向上发散的股票进行选股。
同花顺指标公式代码参考
选股条件：今日均线向上发散
C/REF(MA(C,5),1)>=1.02 AND C/REF(MA(C,10),1)>=1.02 AND C/REF(MA(C,20),1)>=1.02;
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_MAX'] = df['CLOSE'].rolling(5).max()
df = df[df['CLOSE'] == df['CLOSE_MAX']]
# 筛选条件4：今日均线向上发散
df['MA5_TREND'] = df['CLOSE'] / df['CLOSE'].rolling(5).mean().shift(1)
df['MA10_TREND'] = df['CLOSE'] / df['CLOSE'].rolling(10).mean().shift(1)
df['MA20_TREND'] = df['CLOSE'] / df['CLOSE'].rolling(20).mean().shift(1)
df = df[(df['MA5_TREND'] >= 1.02) & (df['MA10_TREND'] >= 1.02) & (df['MA20_TREND'] >= 1.02)]
# 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。
