问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1
- 今日最低价小于昨日最低价
- 500日内至少2次涨停
选股逻辑分析
该选股策略主要从技术面和市场情绪方面进行筛选，选取当日振幅较大且具有一定上涨潜力的股票；同时，考虑了近期市场情绪对股票价格的影响，选取最近500日内至少有两次涨停的股票。
有何风险？
该选股策略同样忽略了公司的基本面和未来发展潜力，只是从技术面和市场情绪方面进行筛选。同时，过于注重近期市场情绪和短期上涨潜力，容易产生过度交易和短期波动风险。
如何优化？
该选股策略可以考虑引入公司基本面、近期财务数据等因素，以及适当加宽选股时段范围，从多个角度综合评估；同时，可以加入一些风险控制指标，如止损和止盈措施。另外，应当在多方面综合比较后再进行选股建议。
最终的选股逻辑
基于以上分析，完善后的选股逻辑为：
- 振幅大于1，市场对波动剧烈的股票更感兴趣；
- 今日最低价小于昨日最低价，表明股价下跌趋势已经明显；
- 500日内至少2次涨停，表明该股存在一定的上涨潜力。
同花顺指标公式代码参考
- 振幅大于1：amplitude > 1
- 今日最低价小于昨日最低价：low < ref(low, 1)
- 500日内至少2次涨停：C/Ref(C, LLV(C == 涨停, 500)) >= 1.03
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
bars = ts.get_today_ticks(code, 1)
if len(bars) > 0:
is_not_limit_up = not ts.is_n_day_limit_up(code, 2, 1)
hist_data = ts.get_hist_data(code)
if hist_data is not None:
# Calculate LLV
close = np.array(hist_data['close'])
llv = talib.MIN(close == ts.is_limit_up(code), timeperiod=500)
llv_condition = close[-1] / llv[-1] >= 1.03
amplitude = (float(bars.iloc[0]['high']) - float(bars.iloc[0]['low'])) / float(bars.iloc[0]['pre_close'])
if is_not_limit_up and amplitude > 0.01 and float(bars.iloc[0]['low']) < float(bars.iloc[0]['pre_close']) and llv_condition:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': float(bars.iloc[0]['price']), 'amplitude': amplitude}, ignore_index=True)
result = result.sort_values(by='amplitude', ascending=False)
## 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。
