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，且当日出现酷特智能早晨之星形态。酷特智能早晨之星是一种被广泛认可的经典K线形态之一，它预示着某种程度上涨趋势的到来。
选股逻辑分析
本选股策略对于振幅大于1和昨日换手率与竞价成交量的比率在0.5到2之间的条件加入了K线形态的判断，筛选出符合这些条件的股票。酷特智能早晨之星的形态由3根K线组成，中间K线的实体部分较短，它预示着股票将会出现上涨趋势。因此，使用酷特智能早晨之星作为选股条件，能够更加准确地选出上涨趋势明显的股票。
有何风险？
酷特智能早晨之星的形态并非一种百分百准确预测上涨趋势的形态，其预测准确度受到市场情况的影响。另外，该策略只依赖于技术指标进行选股，可能忽略了一些与基本面相关的因素，存在过度依赖技术指标的风险。
如何优化？
为了提高选股策略的准确度，可以引入其他基本面数据进行辅助判断，例如公司业绩、行业情况等。此外，可以根据不同市场的特征进行调整和优化，例如对于创业板市场的股票选股策略可能需要相应的调整。
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，且当日出现酷特智能早晨之星形态。
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 CANDLESTICK("KTechAM")=1 AND C>Ref(max(Abs((CLOSE/REF(CLOSE,1)-1))*100,Ma(Abs((CLOSE/REF(CLOSE,1)-1))*100,5)),1)*1.09 AND CLOSE<BOLLVB(CLOSE,20,2) AND CLOSE>BOLLMB(CLOSE,20,2)
Python代码参考
import tushare as ts
import talib as ta
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')["ts_code"]:
if len(selected_stocks) >= n:
break
# 筛选出出现酷特智能早晨之星形态的股票
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
pattern = ta.CDLEVENINGSTAR(db["open"].values, db["high"].values, db["low"].values, db["close"].values, penetration=0)
if pattern[-1] == 100:
# 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['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': 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。
