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、代码以60开头。该选股策略希望挑选出具有较强短期表现的、代码以60开头的股票。
选股逻辑分析
该选股策略着重考虑股票短期表现，选取的股票代码以60开头。但是，仅仅依靠代码的前两位数字筛选股票，可能会忽略一些其他优秀的股票。
有何风险？
该选股逻辑可能存在以下风险：
-
过分关注短期涨停表现，忽略了股票的长期资本回报。
-
反复大量操作，可能造成高成本低回报的交易。
-
忽略了股票的基本面、市场环境等其他可能影响股票未来表现的因素。
如何优化？
以下是对该选股逻辑的优化建议：
-
观察股票的市场环境、资产质量、财务状況等基本面因素，并适当增加筛选条件。
-
关注基准指数并进行相应的风险控制以及资产剪枝。
-
适当调整持仓标的的比例，降低交易成本。
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、代码以60开头、归属于母公司净利润为正。该选股策略在原有逻辑的基础上，加入了归属于母公司净利润为正的条件，综合考虑了股票基本面和市场环境对该选股策略的影响。
同花顺指标公式代码参考
- 振幅：(当日最高价 - 当日最低价) / REF(收盘价, 1)
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"
# 获取所有沪深300股票
symbols_all = get_symbols(exchanges=["SHSE", "SZSE"], sec_types=["STOCK"], names=["沪深300"], list_status=["L"])
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
start_with_60_cond = {"$startswith": "60"}
net_profit_cond = {"$gt": 0}
cond = {
"$and": [
amplitude_cond,
limit_up_cond,
start_with_60_cond,
net_profit_cond
]
}
# 构建排序条件
sort_cond = []
# 获取符合条件的股票历史信息
data = query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=[
"symbol",
"limit_status",
"(highest_price - lowest_price) / REF(close_price, 1)",
"main_net_profit"
],
filter=cond,
data_type=2,
sort=sort_cond
)
# 按照归属于母公司净利润排序
data.sort(key=lambda x: x["main_net_profit"], reverse=True)
# 选取前100名
data = data[:100]
# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
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。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。
