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、高点为两日最高。该选股策略以价格波动、市场热度和技术形态为依据，选出价格波动较大、市场 sentiment 较高、技术面较好的股票。
选股逻辑分析
该选股策略与前一个选股逻辑类似，注重了价格波动、市场 sentiment 和技术形态。高点为两日最高是技术形态方面的考量，选股者可以通过综合考虑多个因素，选出较有投资价值的股票。
有何风险？
该选股策略存在以下风险：
-
高点为两日最高是较为短期的技术形态指标，难以准确体现市场整体状况，可能出现误判。
-
综合考量多个因素时，不同因素的权重和时效性设置可能存在一定的误差。
-
选股者需要具有较为熟练的技术分析知识，否则容易出现较大风险。
如何优化？
优化该选股策略的方法：
-
综合使用多个技术形态指标，如三连阳、突破支撑线等，提高选股策略的准确性和稳定性。
-
合理设置不同因素的权重和时效性，以应对不同市场环境的变化。
-
配合其他基本面分析和市场情绪分析，综合判断股票的投资价值。
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、高点为两日最高。该选股策略以价格波动、市场 sentiment 和技术形态为依据，选出具有较高投资价值的股票。
同花顺指标公式代码参考
A>1,HMAX2=HHV(HIGH,2),HIGH>HMAX2:1000
其中 A 表示当日振幅，HHV(HIGH,2) 代表最近两个交易日的最高点，HIGH>HMAX2 则表示当日的高点为最近两个交易日的最高点。
python代码参考
from gm.api import *
set_token("your_token_here")
start_date = "2021-01-01" # 回测开始日期
end_date = "2022-01-01" # 回测结束日期
# 获取所有股票代码
symbols_all = get_symbols()
# 获取对应股票的历史信息
bars_all = history(symbol=symbols_all, frequency="1d", start_time=start_date, end_time=end_date, fields="open, close, high, low, volume", df=True)
# 筛选符合条件的股票
bar_selected = bars_all[((bar_all.high - bar_all.low) / bar_all.close) > 0.01]
bar_selected = bar_selected.loc[(bar_selected.high == bar_selected.close)]
bar_selected = bar_selected.loc[bar_selected.close >= bar_selected.close.rolling(window=21).min()]
bar_selected = bar_selected.loc[bar_selected.close > bar_selected.close.rolling(window=21).max() * 0.9]
bar_selected = bar_selected.loc[bar_selected.high == bar_selected.high.rolling(window=2).max()]
# 打印选中的股票代码
print(bar_selected.index.get_level_values(0).unique())
该代码同样通过 Pandas 对象读取股票历史信息，筛选出符合选股逻辑条件的股票，并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。
