问财量化选股策略逻辑
选股逻辑为：振幅大于1，剔除昨日涨停，9点25分涨幅小于6%的股票。该选股策略旨在从振幅较大、具有一定下跌空间、且股价走势相对平稳的股票中，选取潜力较大的品种。
选股逻辑分析
该选股逻辑主要基于技术面指标进行选股，主要侧重于振幅和短期涨跌幅指标。振幅反映股票的价格波动性，即股票的交易活跃度；剔除昨日涨停的股票能够过滤出没有异常波动的股票；9点25分涨幅小于6%的股票则过滤了一些短期内已经出现明显上涨的股票，留下有较好上涨潜力的股票。
有何风险？
以下是该选股逻辑可能存在的风险：
-
没有考虑到市场整体趋势的影响，如市场整体下跌时，即使符合选股条件的股票也可能下跌。
-
当市场行情快速变化时，并不能快速地调整筛选条件，从而可能引发交易风险。
-
时间点选择比较严格，容易错过一些潜力较大的股票，导致错失投资机会。
如何优化？
以下是对该选股逻辑的优化建议：
-
综合考虑多种技术面指标和基本面指标，增加选股准确度，如RSI、MACD、市盈率等指标。
-
选择合适的时间点进行选股，比如开盘首小时涨幅小于一定值，可以避免买入过于迅速导致收益下降。
-
根据投资者自身偏好和风险承受能力，设计相应的选股策略。
最终权益选股逻辑
选股策略为：振幅大于1，剔除昨日涨停，9点25分涨幅小于6%的股票，并按股票代码从小到大排序。
同花顺指标公式代码参考
通达信指标公式：
(MINUS(DAYLOW,REF(DAYCLOSE,1)))/REF(DAYCLOSE,1) > 0.01 AND NOT(LIMIT) AND ((REF(DAYOPEN,1)-REF(DAYCLOSE,1))/REF(DAYCLOSE,1))*100<6
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 = '2019-01-01'
end_date = '2022-01-01'
symbols_selected = []
for symbol in symbols:
df = history(symbol=symbol, frequency='1d', start_time=start_date, end_time=end_date, fields='open,close,high,low,volume')
# 判断标的股票是否符合要求
if ((df['high'].iloc[-1] - df['low'].iloc[-1]) / df['close'].iloc[-1] > 0.01) and (df['limit'].iloc[-1] == False) and ((df['open'].iloc[0] - df['close'].iloc[0]) / df['close'].iloc[0] * 100 < 6):
symbols_selected.append(symbol.replace('XSHE', 'SZSE'))
# 按代码从小到大排序股票
symbols_selected.sort()
# 统计周线MACD指标值
for symbol in symbols_selected[:10]:
df = history(symbol=symbol, frequency='1d', start_time=start_date, end_time=end_date, fields='open,close,high,low,volume')
order_target_percent(symbol=symbol, percent=0.1, side=OrderSide_Buy, order_type=OrderType_Market, position_effect=PositionEffect_Open)
以上代码为选股逻辑为振幅大于1，剔除昨日涨停，9点25分涨幅小于6%的股票。增加了按股票代码从小到大排序的功能，可以更好地观察和管理股票。
## 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。
