问财量化选股策略逻辑
选股逻辑为振幅大于1、规模2亿以上、股票均价站在五日均线之上。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
该选股逻辑主要涉及股票的价格走势和规模等因素。通过振幅和股票均价与五日均线之间的关系，可以评估股票的走势，而规模则可以评估股票的市场影响力和交易能力。
有何风险？
该选股策略的主要风险如下：
- 股票均价站在五日均线之上，可能受到技术分析的误导，忽略了公司基本面的因素；
- 只考虑了单一的技术指标，未考虑其它因素对股价的影响，如一些成长股或有新闻宣传的股票，选股策略对其筛选的效果不佳；
- 振幅等因素的变化可能与特定的市场事件相关，适用性可能有一定局限性。
如何优化？
为了优化该选股逻辑，可以考虑以下改进措施：
- 加入其它技术指标，如成交量、MACD等，从多个角度综合评估股票的走势；
- 引入公司基本面的因素，如资产负债表、利润表、经营等数据，并考虑行业发展趋势和政策变化；
- 结合市场变化实时优化选股标准，不死板地按照固定标准选股；
- 通过机器学习和大数据技术优化选股策略，建立相应的模型。
最终的选股逻辑
综合以上考虑和分析，我们对该选股逻辑进行了修改和优化，最终的选股逻辑如下：
- 振幅大于1；
- 规模2亿以上；
- 股票均价站在五日均线之上；
- 引入其它技术指标，如成交量、MACD等，从多个角度综合评估股票的走势；
- 引入公司基本面的因素，如资产负债表、利润表、经营等数据，并考虑行业发展趋势和政策变化；
- 结合市场变化实时优化选股标准，不死板地按照固定标准选股；
- 通过机器学习和大数据技术优化选股策略，建立相应的模型。
同花顺指标公式代码参考
以下是通达信的相关代码：
/*
筛选符合条件的股票
*/
SETVOLUNIT(1000);
SETTRADINGDAY(20190101,20210831);
SETFIRSTTRADINGDATEUNLINE(ALLSTOCKS,20190301);
SETTIMEZONE("Asia/Shanghai");
// 判断过滤条件是否符合条件
SELECT
// 振幅大于1
IF(
AMO!=0
AND (OPEN*1.0/UPRICE-1)*(OPEN*1.0/LOW-1)>1,
1,
0
) AS amplitude_filter,
// 规模大于2亿
IF(
TOTALCAPITAL*10000 >= 2,
1,
0
) AS capital_filter,
// 股票均价站在五日均线之上
IF(
PERIODAMA(CLOSE, 5) > CLOSE,
1,
0
) AS ma_filter,
// 添加其它技术指标，如成交量、MACD等
IF(
// 其它指标的计算
,
1,
0
) AS tech_filter,
// 添加公司基本面指标，如资产负债表、利润表等
IF(
// 公司财务数据、行业趋势、政策利好等判断标准
,
1,
0
) AS basic_info_filter,
// 总体过滤
IF(
amplitude_filter AND capital_filter AND ma_filter AND tech_filter AND basic_info_filter,
STOCKRANK_AVG_CAPITAL_30 / SUM(STOCKRANK_AVG_CAPITAL_30) DESC,
0
) AS stock_filter;
Python代码参考
以下是一个完整的选股策略示例代码：
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股策略
'''
# 获取股票数据和财务数据
k_data = ts.pro_bar(ts_code=code, start_date='20190101', end_date='20210831')
basic_data = ts.get_stock_basics().loc[code]
# 判断参数是否合适
if 1 <= basic_data['amplitude'] \
and basic_data['outstanding'] * k_data.iloc[-1]['close'] >= 2e8 \
and ts.rolling_mean(k_data['close'], window=5).iloc[-1] > k_data.iloc[-1]['close']:
return True
return False
# 获取符合策略要求的股票列表
selected_stocks = ts.get_stock_basics().index[ts.get_stock_basics().apply(is_selected, axis=1)].tolist()
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他交易策略
示例代码通过 Tushare 库获取股票数据和基本面数据，同时结合选股逻辑进行筛选，最终得到符合要求的股票列表。在实际交易中，可根据筛选出的股票列表进行后续的操作。
## 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。
