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、昨日9:15匹配价跌停的股票进行选购。
选股逻辑分析
本选股策略在前面的基础上增加了一个条件，即选择昨日9:15匹配价跌停的股票进行选购。这是一种可以缩小选股范围，选到股票下跌的机会性股票的方法。同时，振幅大、非ST、五部涨停战法等条件的选股策略相对可靠。
有何风险？
本选股策略存在以下风险：1）忽略了市场整体走势和宏观经济环境，适应性差；2）依据昨日9:15匹配价跌停条件选股很有可能错过被短暂下跌后快速反弹上涨的优质个股；3）按照竞价金额排序存在实时性问题，容易出现选股滞后。
如何优化？
对策略调整可以依据如下：1）辅助经常性的动态指标和公司基本面数据，结合多种数据来源，例如机构分析、市场研究、财务分析等分类信息，打造更具有判断力的模型，从而提高选股的准确性和市场适应性；2）增加一定的时间范围，降低选股风险；3）增加其他筛选条件，如PB、PE、市值等。
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、昨日9:15匹配价跌停的股票进行选购。
同花顺指标公式代码参考
本选股策略不涉及技术指标因素，不需要给出。
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
df = df[df['NAME'].str.upper().str.find('ST') == -1]
# 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：昨日9:15匹配价跌停
df = df[df['MATCH_PRICE_9:15'] <= df['PREV_CLOSE'] * 0.9]
# 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。
