问财量化选股策略逻辑
本选股策略要求振幅大于1，10天内涨停天数大于2，且满足反包条件。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
本选股策略逻辑要求选择振幅较大、涨势较好的股票，并通过反包条件来筛选股票。反包条件是指股票在连续两个交易日周期内涨幅均超过10%，但最后收盘价却未创新高。这种情况通常预示着价格快速反转下跌。通过本选股策略，可以充分考虑到异常情况，并挖掘投资机会。
有何风险？
以下是该选股策略可能存在的一些风险：
- 反包条件可能会漏判一些潜在股票，而过于倾向市场的大势走向，产生较大风险。
- 大盘指数的波动可能会影响选股策略的定义和要求，具有很大的不确定性。
如何优化？
对于上述存在的风险，可以对选股逻辑进行以下优化：
- 在反包条件的基础上加上一些行业基本面的限制等条件，充分考虑到股票的价值和前景。
- 进行多维度的风险评估和价值分析，有效控制投资风险，最大化收益。
最终的选股逻辑
综合以上优化方案，我们得出完善后的选股逻辑如下：
- 振幅大于1，10天内涨停天数大于等于2。
- 股票在连续两个交易日周期内涨幅均超过10%，但最后收盘价未创新高（即满足反包条件）。
- 结合行业基本面分析等方法，进行多维度的考量和分析股票的投资价值。
同花顺指标公式代码参考
以下是通达信公式参考：
C1: = HIGH-LOW>REF(CLOSE,1)*0.01;
C2: = COUNT(HIGH/REF(HIGH,1)>1.1,2)>=2;
C3: = CLOSE>HHV(REF(CLOSE,1),2);
SELECTED: =C1 AND C2 AND NOT C3;
Python代码参考
以下是Python代码参考:
import tushare as ts
def stock_selection():
rs_basic_info = ts.get_stock_basics()
selected_code = []
for code in rs_basic_info.index:
rs = ts.get_k_data(code, start='2020-01-01', end='2021-01-01', index=True, ktype='D')
if rs is None or len(rs) < 50:
continue
condition1 = rs['high'] - rs['low'] > rs['close'].shift(1)*0.01
condition2 = rs['close'].rolling(window=10, min_periods=1).apply(lambda x: len(x[x>x.shift(1)*1.1]), raw=True) >= 2
condition3 = rs['close'] > rs['close'].shift(1).rolling(window=2).max()
if sum([condition1, condition2, condition3]) != 2:
continue
selected_code.append(code)
return selected_code
注：以上代码仅供参考，具体根据实际需求和风险承受能力进行调整。需要安装tushare库。
## 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。
