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9点25分到开盘30分钟之间的涨幅小于6%的股票。这些条件可以帮助投资者筛选出市场活跃度较高、风险控制相对较好的股票。
选股逻辑分析
本选股策略除了振幅和昨日换手率的考量外，加入了一个时段内涨幅的限制，即9点25分到开盘30分钟之间的涨幅小于6%。这样做可以避免市场热点影响，筛选出真正具有投资价值的股票。同时，考虑到时间因素，此种逻辑也有着追求速度的特点。
有何风险？
本选股策略的振幅和涨幅的选取有一定局限性，可能忽略了其他重要的趋势。此外，9点25到30分钟之间的价格波动相对较大，因此，该部分数据可能不太稳定，风险也相对较高。
如何优化？
为了提高准确性，可以对股票基本面进行进一步的筛选，加入其他技术指标的考量，如KDJ、MACD等。另外，可以考虑在价格涨幅之外综合考量股票的估值等基本面因素。
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9点25分到开盘30分钟之间的涨幅小于6%的股票。
同花顺指标公式代码参考
通达信指标公式：(HHV(HIGH,20)-LLV(LOW,20))/REF(CLOSE,1)>0.01 AND (VOL/MA(VOL,5)-REF(VOL/MA(VOL,5),1))*100>5 AND ABS((OPEN - REF(CLOSE, 1)) / REF(CLOSE, 1)) < 0.06
Python代码参考
import tushare as ts
import pandas as pd
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,list_date,list_status,total_mv,circ_mv')["ts_code"]:
if len(selected_stocks) >= n:
break
db = 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='open,high,low,close,vol')
if db.empty or len(db) < 250:
continue
# 筛选条件
db['amplitude'] = (db['high'] - db['low']) / db['close']
db['turnover_ratio'] = db['vol'] / (db['vol'].sum() / len(db))
db['morning_rise'] = (db['open'] - db['close'].shift()) / db['close'].shift()
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) & (abs(db['morning_rise']) < 0.06)]
if not db_selected.empty:
selected_stocks.append({'code':code, 'last_close': db.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。
