问财量化选股策略逻辑
选股逻辑为振幅大于1、规模2亿以上、反包。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
该选股逻辑主要考虑了股票价格波动、公司规模和技术指标反包，能够初步筛选出价格波动适中、规模适中且近期股价处于调整阶段的股票。
有何风险？
该选股策略主要风险如下：
- 反包指标并非所有市场环境下都适用，可能会出现错误信号；
- 价格波动适中的股票，可能长时间处于震荡阶段，资金利用效率不高。
如何优化？
为了缓解以上风险，可以考虑以下优化措施：
- 结合市场行情进行反包指标的实时调整，避免选股错误；
- 综合考虑其它因素，如公司基本面、行业前景等，并严格控制买卖时机，提高资金利用效率。
最终的选股逻辑
在综合考虑风险和优化措施后，我们得出了如下完善版的选股逻辑：
- 振幅大于1；
- 规模2亿以上；
- 综合考虑技术指标，选取近期处于调整阶段的个股。
基于该选股逻辑的股票筛选，应结合实际需求和风险承受能力进行具体操作。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
/* 此处以技术指标反包为例 */
SELECT
ref(close,1)>ref(close,2) AND
ref(close,2)>ref(close,3) AND
ref(close,3)>ref(close,4) AND
ref(close,4)>ref(close,5) AND
ref(close,5)<ref(close,6) AND
/* 振幅大于1 */
high/low-1>=0.01 AND
/* 规模2亿以上 */
mkt_cap > 2e8
ORDER BY code asc
Python代码参考
以下是选股策略示例代码：
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股策略
'''
# 获取股票基本信息和技术指标数据
stock_info = ts.get_stock_basics().loc[code]
close = ts.get_k_data(code).iloc[-7:]['close'] # 最近七天收盘价数据
# 判断选股条件
if (1 <= (ts.pro_bar(ts_code=code, start_date='20220101', end_date='20211231', adj=None).iloc[-1]['high'] /
ts.pro_bar(ts_code=code, start_date='20220101', end_date='20211231', adj=None).iloc[-1]['low'] - 1) * 100 <= 100) \
and (stock_info['totalAssets'] > 2e8) \
and (close.iloc[:5].values > close.iloc[1:6].values).all() and (close.iloc[5] < close.iloc[6]):
some_other_conditions = True
# 判断股票是否符合要求
return some_other_conditions
return False
# 获取符合策略要求的股票列表
selected_stocks = [code for code in ts.get_stock_basics().index if is_selected(code)]
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他交易策略
示例代码通过 Tushare 库获取相应的股票数据，结合选股逻辑进行筛选，最终得到符合要求的股票列表。在实际交易中，可根据筛选和排序结果进行后续的操作。
## 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。
