问财量化选股策略逻辑
本选股策略选取振幅大于1，(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票，且20日均线大于120日均线。该策略结合了股票价格波动、换手率和均线多重因素，寻找在一段时间内涨势稳定的股票。
选股逻辑分析
本选股策略通过振幅大于1筛选出价格波动较大的股票，较大的波动对应着价格变化的机会。同时，筛选出昨日换手率与竞价成交量比率在0.5到2之间的股票，寻找高换手率、高流动性的股票。最后加入20日均线大于120日均线的限制，确认股票在一个较长的时间内具有较强的稳定性。
有何风险？
本选股策略中股票的均线有可能受到市场行情的影响，均线受到了较大的波动，从而使得一些优秀的股票被排除在外。此外，在特殊的市场行情下，选股策略有可能出现大量假阳性的情况，导致购买线所选股票表现不佳。
如何优化？
优化选股策略，可以考虑加入其他技术指标作为筛选条件，例如相对强弱指标。同时，为了规避假阳性的问题，应该通过加入更多稳定的财务指标，例如市盈率、股息率等，降低假阳性的发生率。
最终的选股逻辑
本选股策略选取振幅大于1，(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票，且20日均线大于120日均线。
同花顺指标公式代码参考
通达信指标公式：MA(CLOSE,20)>MA(CLOSE,120) AND (HHV(HIGH,20)-LLV(LOW,20))/REF(CLOSE,1)>0.01 AND (VOL/MA(VOL,5)-REF(VOL/MA(VOL,5),1))*100>5;
Python代码参考
import tushare as ts
import pandas as pd
from datetime import datetime, timedelta
import numpy as np
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='SZSE', list_status='L', fields='ts_code,name,list_date,list_status,total_mv')["ts_code"]:
if len(selected_stocks) >= n:
break
# 筛选出20日均线大于120日均线的股票
df = pro.daily(ts_code=code, start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"),
end_date=datetime.now().strftime("%Y%m%d"), fields='close')
if len(df) < 120 or df.empty or np.mean(df[-20:]) < np.mean(df[-120:]):
continue
# 筛选振幅大于1，(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票
db = pro.daily(ts_code=code, start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"),
end_date=date.today().strftime("%Y%m%d"), fields='open,high,low,close,vol')
if db.empty or len(db) < 250:
continue
db['amplitude'] = (db['high'] - db['low']) / db['close']
db['turnover_ratio'] = db['vol'] / (db['vol'].sum() / len(db))
db_selected = db[(db['amplitude'] > 1) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) > 0.5) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) < 2)]
if not db_selected.empty:
selected_stocks.append({'code':code, 'last_close': df.iloc[-1]['close']})
# 根据收盘价排序选择前n个股票
df = pd.DataFrame(selected_stocks)
df_selected = df.sort_values('last_close', ascending=False)[:n]
selected_stocks = list(df_selected['code'])
return selected_stocks
## 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。
