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、500日内至少2次涨停。该选股策略旨在结合股票价格波动、市场情绪和历史表现等因素，通过选取具备较好的价格趋势和市场反应，且历史表现较好的股票来获取较好的投资回报。
选股逻辑分析
振幅大于1体现了股票价格波动幅度较大，且近一个月内有过涨停表明当前市场情绪较好，在过去500天的涨停次数达到至少2次，表明该股票具备比较好的历史表现。这三个因素的结合，可以筛选出具有较好的价格趋势和市场反应且历史表现不错的品种，提升投资回报。
有何风险？
该选股策略存在以下风险：
-
根据过去表现来选择股票可能无法反映当前的市场情况和变化。
-
在快速变化的市场环境中，标准化的选股策略不能完全反映所有情况，会有漏选品种或者误判的可能。
-
只考虑了股票价格波动和历史表现，而没有考虑股票的基本面和财务状况等其他因素，可能导致选股并不理想。
如何优化？
以下是优化该选股策略的方法：
-
加入更多选股条件，如最近的大单买入、股价与逐日均线和周线均线交叉等因素，以更全面的方式考虑股票的未来走势。
-
增加选股条件的灵活性，更好的调整选股条件以尽量减少淘汰潜在灵活股票的可能性。
-
引入机器学习等算法，进行数据分析和模型建立，优化选股策略。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、500日内至少2次涨停，并在选股条件中加入更多股票基本面、财务因素等进行筛选。
同花顺指标公式代码参考
- 振幅: (HIGH - LOW) / REF(CLOSE, 1)
- 500日内涨停次数: SUM(LIMITUP, 500)
- 周线MA5: MA(MEM(CLOSE, 5, 0), 5)
- 股价与周线MA5的价差：CLOSE - MAV(MEM(CLOSE, 5, 0), 5)
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 = "2020-01-01"
end_date = "2022-01-01"
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 2}
ma5_diff_cond = {"$gt": 0}
# 获取主板所有股票
symbols_all = get_symbols(exchanges=["SHSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 构建选股查询条件
cond = {"$and": [amplitude_cond, limit_up_cond, ma5_diff_cond]}
# 获取满足条件的股票代码
symbols_selected = [s["symbol"] for s in query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=["symbol", "LIMITUP"],
filter=cond,
data_type=2
)]
print(symbols_selected)
该代码通过 Query API 查询股票历史信息，并根据选股条件筛选出符合条件的股票代码，包括优化后的条件。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。
