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、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万的股票为基本条件。
选股逻辑分析
本选股策略在技术面上依据了振幅、五部涨停战法、竞价时涨跌幅买入大单和特大单共计买入量等指标，同时没有考虑基本面因素如公司业绩、财务状况等。
有何风险？
本选股策略存在选出表现不佳的股票的风险，并且竞价时买入大单、特大单有可能是机构或大户的操纵行为，可能对个人投资者不利。此外，选股策略缺失基本面因素可能导致在公司财务状态等方面存在风险。
如何优化？
可以考虑引入更多基本面因素指标，如市盈率、市净率等，并增加对技术面和基本面因素的综合考虑。同时可以考虑设置风控指标并建立科学的止损机制。
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、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万的股票。
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：竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万
df['BUY_LARGE_ORDER_VOLUME'] = df['BUY_LG_VOL'] + df['BUY_EL_VOL']
df = df[df['BUY_LGAMOUNT'] / df['BUY_LARGE_ORDER_VOLUME'] > 0.7]
# 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。
