问财量化选股策略逻辑
选股逻辑为：振幅大于1，按个股热度从大到小排序名，反包。将选股逻辑作为第一个标题放入段落中。
选股逻辑分析
该选股策略的逻辑如下：
- 振幅大于1：表示该股票市场交易活跃度较高；
- 按个股热度从大到小排序：表示选股的股票具有一定的市场认可度和投资价值，存在较高的投资机会；
- 反包：该条件是技术分析中的一个指标，通常用于判断股价是否出现反转信号，即股价在上涨趋势中出现一定回调幅度后再次上涨。此处应该是指在当前股价低点处进行买入，期待再次上涨。
综合以上条件，可以选择符合条件的股票具有一定的投资价值和潜力，但同时存在一定的风险。
有何风险？
该选股策略可能存在以下风险：
- 反包的条件没有具体的范围和指标，可能过于主观，导致选股结果不稳定；
- 只考虑三个指标可能忽略了股票本身的财务指标、技术面分析等多个方面的因素，存在较高的投资风险；
- 市场波动较大时，反包策略可能会带来较大的亏损，需要设立风险控制策略。
如何优化？
为了提高选股的准确性和降低风险，可以从以下方面进行优化：
- 在选股时，应该对反包的条件进行量化和具体化，例如可以针对历史数据进行回归分析或者借助相关的技术指标来进行判断，减少主观因素的影响；
- 在选股时应该全面考虑公司的市场地位、技术优势、行业前景和核心竞争力等多个方面的因素，以更全面的方式评估选股的价值和风险；
- 在买入操作时，应该设立严格的止损策略和风险控制策略，避免市场突发事件对选股带来的影响。
最终的选股逻辑
综合以上分析和优化，我们最终的选股逻辑为：从符合振幅大于1、按个股热度从大到小排序名、反包的条件下，从多方面分析个股的基本面、技术面和市场因素等多个方面的情况，全面综合评估股票的投资价值和风险，以选出具有投资潜力和长期成长性的股票，并进行相应的买入操作。在买入操作时，注意市场波动并设立风险控制策略。
同花顺指标公式代码参考
该策略可引入以下指标进行辅助分析：
- 振幅指标：
振幅：
((HIGH-LOW)/REF(CLOSE,1)) > 0.01
- 个股热度指标：
个股热度指标：
SORT_BY_DESC(stock_heat/)
- 反包指标：
反包指标：
((AMOUNT/1000) < REF(MA(AMOUNT, 5), 1)) AND ((AMOUNT/1000) < REF(MA(AMOUNT, 10), 1)) AND ((AMOUNT/1000) < REF(MA(AMOUNT, 20), 1))
该指标根据市场交易量的情况与移动平均线的关系来判断股价是否出现反包信号。
- 组合筛选条件：
筛选获得符合条件的股票：
(((HIGH-LOW)/REF(CLOSE,1)) > 0.01) AND SORT_BY_DESC(stock_heat/) AND ((AMOUNT/1000) < REF(MA(AMOUNT, 5), 1)) AND ((AMOUNT/1000) < REF(MA(AMOUNT, 10), 1)) AND ((AMOUNT/1000) < REF(MA(AMOUNT, 20), 1))
python代码参考
# 振幅指标
amplitude = (high - low) / ref(close, 1)
amplitude_filter = amplitude > 0.01
# 个股热度指标
stock_heat = sort_by_desc(stock_heat)
# 反包指标
amount_ma5 = ma(amount/1000, 5)
amount_ma10 = ma(amount/1000, 10)
amount_ma20 = ma(amount/1000, 20)
reverse_filter = ((amount/1000) < ref(amount_ma5, 1)) & ((amount/1000) < ref(amount_ma10, 1)) & ((amount/1000) < ref(amount_ma20, 1))
# 组合筛选条件
final_filter = amplitude_filter & stock_heat & reverse_filter
# 选股
selected_stocks = get_fundamentals(query(
valuation.code, valuation.pe_ratio, valuation.pb_ratio, income.net_profit_ratio,
indicator.ma10, indicator.turnover_ratio
).filter(
valuation.pe_ratio < 20,
valuation.pb_ratio < 3,
income.net_profit_ratio > 0.1,
final_filter,
).order_by(
stock_heat.desc()
).limit(
10
), date=None)
注意：以上代码仅为参考，具体实现时需要根据实际数据情况进行适当修改。
## 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。
