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，底部抬高。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、涨势较好且底部抬高的股票。振幅大于1能够保证股票价格波动较大、交易机会较多；10天内涨停天数大于2说明该股票有较强的上涨趋势；底部抬高则说明股票将会进入一个上涨通道。通过本选股策略，可以有效提高选股成功率。
有何风险？
以下是该选股策略可能存在的一些风险：
- 底部抬高是相对主观的概念，缺乏具体的定量标准，容易产生操作误差。
- 忽视股票的行业和基本面的因素，可能选择具有较大风险的股票。
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：
- 底部抬高可以根据技术指标进行定量反映，如MACD等。
- 注意股票的行业和基本面评估等条件，综合考虑选股的多种因素。
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，底部抬高。
- 底部抬高可以通过技术指标进行定量反映，如MACD等。
- 注意股票的行业和基本面评估等条件，综合考虑选股的多种因素。
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: = MACD()>REF(MACD(),1) AND REF(MACD(),1)<REF(MACD(),2);
SELECTED: =C1 AND C2 AND C3;
Python代码参考
以下是Python代码参考:
import tushare as ts
def bottom_boosting(df):
df['EMA12'] = df['close'].ewm(span=12).mean()
df['EMA26'] = df['close'].ewm(span=26).mean()
macd = df['EMA12'] - df['EMA26']
macd_signal = macd.ewm(span=9).mean()
df['macd_histogram'] = macd - macd_signal.shift()
return (macd > macd_signal) & (macd_signal < macd_signal.shift())
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 = bottom_boosting(rs)
if sum([condition1, condition2, condition3]) != 3:
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。
