问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、20日均线大于120日均线。该选股逻辑结合了股票价格的波动性和趋势、市场情绪等多方面因素，有助于筛选出具备潜力的个股。
选股逻辑分析
该选股逻辑加入了均线的因素，为趋势追踪型选股策略。符合选股条件的股票有助于走出一定的上涨趋势，并具有较好的市场表现。但是，该选股逻辑有可能存在一些风险。
有何风险？
该选股逻辑可能存在以下风险：
-
需要注意均线选取时的时间段和选取方法，不同时间段和方法下筛选的结果可能有较大偏差。
-
只关注股票价格的波动性和趋势，可能忽略了其他重要因素，如公司基本面情况等。
-
选股的时间跨度较短，容易造成一定程度的过拟合，后续表现可能与历史不一致。
如何优化？
以下是优化该选股策略的方法：
-
结合其他指标，如市盈率、市净率、市销率等，从不同角度评估股票潜力。
-
根据不同市场阶段、不同股市表现情况，灵活调整选股条件，以筛选出更有潜力的股票。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、20日均线大于120日均线、市盈率小于30、市净率小于3。此选股策略在原选股策略基础上，加入了基本面指标的条件，更全面地考虑了公司的内在价值，有利于更准确地筛选出具备较高潜力的股票。
同花顺指标公式代码参考
- 振幅：(高点 - 低点) / REF(收盘价, 1)
- 20日均线：MA(CLOSE, 20)
- 120日均线：MA(CLOSE, 120)
- 市盈率：PE
- 市净率：PB
python代码参考
from gm.api import *
set_token("your_token_here")
# 设置回测起点和终点
start_date = "2020-01-01"
end_date = "2022-01-01"
# 获取深证主板所有股票
symbols_all = get_symbols(exchanges=["SZSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
ma20_cond = {"$gt": "MA(CLOSE, 20)"}
ma120_cond = {"$gt": "MA(CLOSE, 120)"}
pe_cond = {"$gte": 0, "$lte": 30}
pb_cond = {"$gte": 0, "$lte": 3}
# 构建排序条件
sort_cond = [("hot_rank", 1)]
# 构建选股查询条件
cond = {"$and": [amplitude_cond, limit_up_cond, ma20_cond, ma120_cond, {"PE": pe_cond}, {"PB": pb_cond}]}
# 获取符合条件的股票历史信息
data = query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=["symbol", "hot_rank", "PE", "EPS", "ROE"],
filter=cond,
data_type=2,
sort=sort_cond
)
# 选取前100名
data = data[:100]
# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
该代码通过 Query API 查询股票历史信息，并根据选股条件筛选出符合条件的股票代码，并按照个股热度排序。代码可以在量化平台和本地 Python 环境中执行。
## 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。
