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、30日平均线向上。该选股策略旨在通过结合价格波动、市场热度和趋势变化等因素，选出未来有潜力、综合表现良好的股票。
选股逻辑分析
该选股策略主要关注了股票价格的波动程度，以及市场情绪的变化，以及股票的趋势走势，选出符合条件的股票，以期望可以在未来继续得到较好的表现。
有何风险？
该选股策略存在以下风险：
-
有可能存在过拟合的情况，导致选股策略过度依赖历史数据结论，在实际操作中无法得到相同的效果。
-
股票市场行情受多种因素的综合影响，如政策、经济周期等，单一指标可能无法完全准确地预测未来的股票表现。
-
策略选股条件过于简单，可能会导致选股结果与市场热点脱节，以此影响投资效果。
如何优化？
优化该选股策略的方法：
-
引入其他技术分析指标，如 MACD、KDJ 等指标进行综合分析，提高策略的准确性。
-
结合基本面分析，以应对市场波动和行业变化等多种因素的影响。
-
考虑加入资金流向、逆势操作等指标，进一步提高选股策略的效果。
最终的选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、30日平均线向上，同时结合其他技术分析指标和基本面指标进行综合考虑。
同花顺指标公式代码参考
A>1 AND SUM(HAS_ST_RECENTLY, 21)>0 AND MA(C, 30) > MA(C, 60) AND LCAP >= 2000000000 AND SEC_TYPE_NAME = 'A股' AND LIST_STATUS_CD = 'L':1000;
其中 A 表示当日振幅，HAS_ST_RECENTLY 表示股票是否有最近 21 个交易日内涨停，MA(C, 30) 表示30日收盘价均线，MA(C, 60) 表示60日收盘价均线，LCAP 表示股票的流通市值，SEC_TYPE_NAME = 'A股' 表示为 A 股，LIST_STATUS_CD = 'L' 表示已上市。
python代码参考
from gm.api import *
set_token("your_token_here")
start_date = "2020-01-01" # 回测开始日期
end_date = "2022-01-01" # 回测结束日期
# 获取所有主板股票代码
symbols_all = get_symbols(exchanges=["SHSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 获取对应股票的历史信息和涨跌幅
bars_all = history(symbol=symbols_all, frequency="1d", start_time=start_date, end_time=end_date, fields="open, close, high, low, volume, turnover, ssec, sec_name, lcapholder", df=True)
cond = (bars_all.high - bars_all.low) / bars_all.close > 0.01 # A>1
cond &= (bars_all.close / bars_all.close.shift(1) - 1).rolling(window=21).apply(lambda x: any(x > 0)) # 近一个月有涨停
cond &= bars_all.close.rolling(window=30).mean() > bars_all.close.rolling(window=60).mean() # 30日均线向上
cond &= bars_all.lcapholder >= 2e9 # 流通市值大于20亿
# 选出符合条件的股票
bar_selected = bars_all[cond]
# 打印选中的股票代码
print(bar_selected.index.get_level_values(0).unique())
该代码通过 Pandas 对象读取股票历史信息，从而选出符合选股逻辑条件的主板股票，最后将股票代码打印出来。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。
