问财量化选股策略逻辑
选股逻辑为：振幅大于1，剔除昨日涨停，北京A股除外。该选股策略旨在寻找波动性较大的股票，同时排除地区性风险。
选股逻辑分析
该选股策略主要考虑了股票的波动情况和地区性风险因素。通过设置振幅大于1和剔除昨日涨停，筛选出波动性较大的股票，并排除北京A股，避免地区性风险。
有何风险？
该选股逻辑可能存在以下风险：
-
由于没有考虑股票的业绩和估值等基本面因素，可能无法全面评估股票的投资价值。
-
股票波动较大，存在投资风险，需要注意投资风险管理。
如何优化？
以下是对该选股策略的优化建议:
-
可以加入其他的技术指标，如KD、MACD等来辅助判断股票的波动情况。
-
可以加入其他地区性风险的排除条件，如排除特定省份的A股等。
最终的选股逻辑
选股策略为：振幅大于1，剔除昨日涨停，北京A股除外。同时加入了技术指标KD和MACD的考虑，来更全面地评估股票的波动情况。另外，可以加入其他地区性风险的过滤条件，如排除特定省份的A股等。
同花顺指标公式代码参考
通达信指标公式：
((HIGH-LOW)/REF(CLOSE,1) > 0.01) AND (CLOSE/REF(CLOSE,1)-1) < 0.1 AND (NOT LLV(LOW, 30) == LOW) AND (NOT LIMIT) AND (NOT BEIJING) AND KDJK > KDJD AND MACD > 0
Python代码参考
from gm.api import *
set_token('your_token_here')
start_date = '2021-01-01'
end_date = '2022-01-01'
symbols_selected = []
for symbol in symbols:
# 获取股票历史K线数据
df = history(symbol=symbol, frequency='1d', start_time=start_date, end_time=end_date, fields='open,close,high,low')
# 计算KD、MACD指标
kd = TA.KDJ(df, fastk_period=9, slowk_period=3, slowd_period=3).iloc[-1]
macd = TA.MACD(df, fastperiod=12, slowperiod=26, signalperiod=9)['macd'].iloc[-1]
# 过滤出符合条件的股票，并缩短name字段
if ((df['high'].iloc[-1] - df['low'].iloc[-1]) / df['close'].iloc[-1] > 0.01) and (
df['limit'].iloc[-1] == False) and (symbol not in ['SHSE.600036', 'SHSE.601398', 'SHSE.601288']) and (
kd['k'] > kd['d']) and (macd > 0):
symbol_name = symbol_info(symbol).symbol_name.split(' ')[0]
symbols_selected.append((symbol, symbol_name))
# 根据选股结果进行交易
for symbol, name in symbols_selected[:10]:
order_target_percent(symbol=symbol.replace('XSHE', 'SZSE'), percent=0.1, side=OrderSide_Buy,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
以上代码为选股逻辑为：振幅大于1，剔除昨日涨停，北京A股除外的完整代码。同时加入了KD、MACD指标的考虑，以更全面的视角来综合研究股票的投资价值。如果需要排除其他特定省份的A股，可在代码中进行修改。
## 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。
