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
- 今日最低价小于昨日最低价
- 反包
选股逻辑分析
振幅大于1和今日最低价小于昨日最低价表明股票波动剧烈，反包则是一种技术指标，通常用于股价的回转。因此，该选股策略的目的是寻找波动剧烈的股票，同时使用反包技术指标寻找入场机会。
有何风险？
反包作为一种技术指标，存在一定的主观性，可能会出现错误信号，导致交易失误。此外，该选股策略并未考虑基本面以及市场大势等因素。
如何优化？
该选股策略需要加入更多的基本面因素作为筛选条件。此外，可以考虑使用其他技术指标来配合反包指标，降低交易风险。
最终的选股逻辑
基于以上分析，完善后的选股逻辑为：
- 振幅大于1，市场对波动剧烈的股票更感兴趣；
- 今日最低价小于昨日最低价，表明股票下跌趋势已经明显；
- 反包指标，寻找入场机会；
- 加入更多基本面因素进行筛选；
同花顺指标公式代码参考
- 振幅大于1: amplitude > 1
- 今日最低价小于昨日最低价: low < ref(low, 1)
- 反包指标: OPEN < REF(MAX(LOW, 5), 1)
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
bars = ts.get_hist_data(code)
if bars is not None:
is_amplitude_large = bars['high'][-1]/bars['low'][-1] > 1.01
is_today_lowest = bars['low'][-1] < bars['low'][-2]
is_reverse_pack = bars['open'][-1] < bars['low'][-5:].max()
if is_amplitude_large and is_today_lowest and is_reverse_pack:
# 加入更多基本面因素进行筛选
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'][-1], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe'], 'total_assets': df.loc[code]['total_assets']}, ignore_index=True)
result = result.sort_values(by=['total_assets'], ascending=False)
## 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。
