问财量化选股策略逻辑
选股逻辑为：振幅大于1、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万、9点25分涨幅小于6%的股票。该选股策略主要关注股票价格和成交量的波动状况以及交易时段的价格变化。
选股逻辑分析
该选股逻辑在价格波动和成交量的选股策略基础上，增加了对交易时段内价格变化的筛选。通过该策略，筛选出在开盘阶段价格波动和涨幅较小但成交量较大的股票。同时，该选股逻辑还依据了特大单买入量和流通市值的指标，综合考虑股票的整体投资价值。
有何风险？
该选股策略主要存在以下风险：
-
单一交易时段的价格走势可能受市场大盘和资金流向等因素影响较大，选取9点25分涨幅作为筛选因素存在一定主观偏差。
-
过于依赖技术面指标的选股策略，可能会忽视基本面因素，导致选股结果不可靠。
-
受到技术面指标不确定性和股价波动带来的干扰，选股结果可能存在误判或者不可控的情况。
如何优化？
为了优化该选股策略，可以考虑以下措施：
-
考虑不同交易时段内的价格波动情况，对不同情况下的合理涨跌幅阈值进行调整，增加选股结果的可靠程度。
-
在技术面指标的基础上，加入必要的基本面指标，综合考虑选股结果的可靠性和投资价值。
-
加强回测和历史数据分析，优化选股策略，增加测试结果的可靠性。
最终的选股逻辑
选股逻辑为：振幅大于1、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万、9点25分涨幅小于6%的股票。该选股策略主要关注股票价格和成交量的波动状况以及交易时段的价格变化。
同花顺指标公式代码参考
A > 1 AND ABS(B1 / B2 - 1) > 0.03 AND ABS(C4) > 70000000 AND D1 < 0.06
其中，A表示振幅，B1/B2表示竞价时涨跌幅的绝对值，C4表示特大单共计买入量，D1表示9点25分的涨幅。其他参数参考前述选股逻辑和分析。
python代码参考
from gm.api import *
set_token("your_token_here")
symbol = "SZSE.000001" # 股票代码
start_date = "2018-01-01" # 回测开始日期
end_date = "2022-01-01" # 回测结束日期
# 获取历史股票信息
stocks = get_history_instruments(type=InstrumentType.Stock, market=Market.SZSE, max_count=10000)
# 获取股票历史信息，包括分红信息
bars = history(symbol=symbol, frequency="1d", start_time=start_date, end_time=end_date, fields="open, close, high, low, amount, total_bought_large_orders", df=True)
# 计算股票是否符合条件
selected = (abs(bars.high / bars.low - 1) > 0.01) & (abs(bars.bid_volume1 / bars.ask_volume1 - 1) > 0.03) & (abs(bars.total_bought_large_orders) > 70000000) & (bars.open / bars.close[0] - 1 < 0.06)
# 选出符合条件的股票
selected_bars = bars.loc[selected]
# 打印选中的股票代码
print(selected_bars.index.values)
其中，只有选股逻辑中增加了一个比较选股时间点的方法。其他变量含义同前述的选股逻辑和分析。
## 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。
