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、股票均价站在五日均线之上。该选股策略旨在结合股票价格波动、市场热度和技术面因素，选出未来具有潜力的股票。
选股逻辑分析
该选股策略主要考虑了股票价格波动、市场热度和技术面因素，选出了价格波动大、市场情绪好、且技术面表现优异的股票。
有何风险？
该选股策略存在以下风险：
-
选股条件较为简单，可能导致选出的股票不够精准，无法实现预期收益。
-
该选股策略未考虑股票的基本面和价值因素，容易遭受市场风险的影响。
-
均线策略容易受到短期价格波动的影响，可能导致选出的股票不够稳定，风险较大。
如何优化？
以下是优化该选股策略的方法：
-
添加其他技术面指标，如相对强弱指标、MACD指标等，综合考虑股票的技术面特征，提高选股准确率。
-
结合股票的基本面数据，如财务数据、行业数据等，深入挖掘股票的内在价值，进一步筛选具有长期增长性的股票。
-
在均线交叉的基础上，添加其他条件进行约束，如RSI指标是否处于超买或超卖区域内，以减少因价格波动过度引起的风险。
最终的选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、股票均价站在五日均线之上，并结合其他技术面和基本面指标进行综合筛选。
同花顺指标公式代码参考
MA(CLOSE, 5) > REF(MA(CLOSE, 5), 1) AND
REF(MA(CLOSE, 5), 1) > REF(MA(CLOSE, 5), 2) AND
A > 1 AND SUM(IF(REF(CLOSE, 1) = REF(HIGHEST(REF(CLOSE, 1), 21), 1), 1, 0), 1) > 0 :1000;
其中 MA 表示移动平均线，CLOSE 表示收盘价，REF 表示上一个交易日，A 表示振幅，HIGHEST 函数用于计算近一个月内是否有过涨停，SUM 和 IF 函数用于判断是否有过涨停。
python代码参考
from gm.api import *
set_token("your_token_here")
start_date = "2020-01-01" # 回测开始日期
end_date = "2022-01-01" # 回测结束日期
# 获取所有主板股票代码
symbols_all = get_symbols(exchanges=["SHSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 获取对应股票的历史信息和均价
bars_all = history(symbol=symbols_all, frequency="1d", start_time=start_date, end_time=end_date, fields="open, close, high, low, volume, turnover, ma, lcapholder", df=True)
# 计算股票均价是否在五日均线之上
cond_ma = (bars_all.close / bars_all.ma) > 1
cond = cond_ma # 均价在五日均线之上
cond &= (bars_all.close / bars_all.close.shift(1) - 1).rolling(window=21).apply(lambda x: any(x > 0)) # 近一个月有涨停
cond &= (bars_all.high - bars_all.low) / bars_all.close > 0.01 # A>1
# 选出符合条件的股票
bar_selected = bars_all[cond]
# 打印选中的股票代码
print(bar_selected.index.get_level_values(0).unique())
该代码通过 Pandas 对象读取股票历史信息和均价，从而选出符合选股逻辑条件的主板股票，最后将股票代码打印出来。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。
