问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1；
- 至少5根均线重合；
- 北京A股除外。
选股逻辑分析
该选股逻辑主要着眼于技术面的指标，通过振幅和均线来筛选短期有上涨趋势且稳定的股票，同时排除了北京地区的股票，可能是旨在在地区分布上进行风险分散，以较好地实现持仓公司的多样性。但该选股逻辑没有考虑到基本面因素的影响，如市盈率、市净率等等，可能会在一定程度上影响选股的结果。
有何风险？
同样地，由于该选股逻辑的片面地着眼于技术面，忽略了公司的基本面因素，因此容易夸大股票的涨幅和风险。另外，仅排除了北京地区的股票，忽略了其他地区的股票也可能具有相对较高的风险。最后，技术面指标的判断存在局限，如市场变动、行业走势等其他因素会影响到该选股策略的收益。
如何优化？
可以考虑在技术指标的使用上更加严谨，如多加考虑均线的金叉、死叉因素，或者增加一些行情指标如RSI、MACD等等，降低选股风险。同时，也可以引入公司基本面因素如市盈率、市净率等进行过滤，进一步压缩风险。在选股时需结合整个市场环境以及公司的行业地位等因素，进行判断和取舍。
最终的选股逻辑
综上所述，我们建议选股策略逻辑为：
- 振幅大于1；
- 使用更为严谨的均线金叉/死叉指标；
- 区分地域分布风险；
- 加入公司基本面因素如市盈率、市净率等进行过滤。
同花顺指标公式代码参考
- 振幅：(最高价-最低价)/收盘价
- 均线：MA(CLOSE，N)
python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_pool(date, low_price, ma_count):
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
# 振幅大于1
bars_all = ts.get_hist_data(code, start='2021-01-01')
close = bars_all['close'].values
high = bars_all['high'].values
low = bars_all['low'].values
amplitude = (high - low) / close
if amplitude[-1] < 0.01:
continue
# 均线
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20]]))
if ma_count < 5:
continue
# 地区筛选
if df.loc[code]['area'].find('北京') >= 0:
continue
# 加入公司基本面因素进行过滤
# 选出的股票加入结果中
price = close[-1]
if price < low_price[0] or price > low_price[1]:
continue
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': price, 'vol': df.loc[code]['volume']},ignore_index=True)
result = result.sort_values(by=['vol'], ascending=False)
return result
注：代码仅供参考，具体选股逻辑和细节可根据实际需求进行调整。
## 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。
