问财量化选股策略逻辑
选股逻辑为振幅大于1，20日均线大于120日均线，500日内至少2次涨停。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略基于以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 20日均线大于120日均线，说明该股票处于上涨趋势；
- 500日内至少2次涨停，说明该股票具有一定的热度和赚钱效应。
有何风险？
以下是该选股策略可能产生的风险：
- 过度追求短期收益，忽视基本面和估值等因素；
- 只考虑历史涨停次数，未考虑市场环境、行业情况等因素；
- 寻找热门股票可能面临操纵风险或波动风险。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 加入基本面、估值等因素的综合分析，以选取真正优质的股票；
- 基于不同的市场环境、行业情况等因素，对历史涨停数据进行加权筛选；
- 加入风控策略，如止损、分散仓位等；
- 注意飞速上涨的股票可能存在大幅回落或主力出逃的风险。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，20日均线大于120日均线；
- 历史500日内至少2次涨停，考虑加权平均方法，或其他相关因素进行考量；
- 在以上条件下，加入基本面、估值等因素的综合分析；
- 加入风控策略，如止损、分散仓位等；
- 注意高速上涨的股票可能存在大幅回落或主力出逃的风险。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，20日均线大于120日均线，500日内至少2次涨停 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) > MA(CLOSE,120) AND COUNT(IF(XG,ZTSM>0,0),500)>=2
LIMIT 5
注：以上代码需要在同花顺的选股界面中进行填充，其中MA、REF和COUNT为同花顺自带的技术指标，CLOSE为同花顺自带的收盘价指标，ZTSM为同花顺自带的涨停数量指标，XG为涨停的判断条件，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取K线数据和股票基本信息，其中K线数据只获取今日和昨日的 ####
rs_k_data = bs.query_history_k_data_plus(code='', fields='date,code,open,high,low,close,amount,netAmountRatio', start_date=(datetime.now()-timedelta(days=1)).strftime('%Y-%m-%d'), end_date=datetime.now().strftime('%Y-%m-%d'), frequency='d', adjustflag='2')
rs_basic_info = bs.query_stock_basic()
#### 筛选出符合条件的股票 ####
k_data = rs_k_data.get_data()
k_data['AMPLITUDE'] = (k_data['high']-k_data['low']) / k_data['close'].shift(1) * 100
k_data['MA20'] = ta.MA(k_data['close'], timeperiod=20)
k_data['MA120'] = ta.MA(k_data['close'], timeperiod=120)
# 获取历史涨停数据
selected_stock = []
code_list = k_data['code'].unique()
for code in code_list:
rs_zhangting_data = bs.query_history_k_data_plus(code=code, fields='date,code,high,low', start_date=(datetime.now()-timedelta(days=500)).strftime('%Y-%m-%d'), end_date=datetime.now().strftime('%Y-%m-%d'), frequency='d', adjustflag='2')
zhangting_data = rs_zhangting_data.get_data()
zhangting_data['zhangting'] = (zhangting_data['high']/zhangting_data['close'].shift(1)-1) > 0.098
if zhangting_data['zhangting'].rolling(window=2).sum().iloc[-1] >=2 and (k_data[k_data['code']==code]['AMPLITUDE']>1).all() and (k_data[k_data['code']==code]['MA20']>k_data[k_data['code']==code]['MA120']).all():
selected_stock.append(code)
#### 登出系统 ####
bs.logout()
return selected_stock
注：以上python代码需要安装baostock、pandas等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
