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、近25个交易日有单日涨幅大于等于百分之10为基本条件。
选股逻辑分析
新增一个选股条件，即近25个交易日内有单日涨幅大于等于10%。这个条件可能更容易抓住一些短期行情的机会，但也存在追高杀跌的风险。
有何风险？
和前面的策略一样，本选股策略同样注重短期趋势和技术分析，可能忽略了公司的基本面情况，存在盲目追涨杀跌等风险。
如何优化？
除了增加基本面分析之外，还可以考虑加入其他技术指标来协助选股，如收盘价的涨跌幅、成交量等，同时要注意风险控制，设置好止盈止损策略。
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、近25个交易日有单日涨幅大于等于百分之10。
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：近25个交易日有单日涨幅大于等于10%
df['DAILY_RETURN'] = df['CLOSE'].pct_change()
df['DAILY_RETURN_FLAG'] = df.apply(lambda row: 1 if row['DAILY_RETURN'] >= 0.1 else 0, axis=1)
df['DAILY_RETURN_SUM25'] = df['DAILY_RETURN_FLAG'].rolling(25).sum()
df = df[df['DAILY_RETURN_SUM25'] > 0]
# 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。
