问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、非ST、10点之前选股票、五部涨停战法。该选股策略旨在结合价格波动、市场资金流向和短期涨停重要性，选出短期内资金流向和市场情绪都比较积极、而且可能有出现强势行情的股票。
选股逻辑分析
该选股策略主要考虑了价格波动、市场资金流向、市场情绪和股票涨停重要性等因素，以短期内资金流向和市场情绪都比较积极、而且有可能出现强势行情的股票为选股目标。除此之外，该选股策略还结合了短期涨停重要性、选票时间等因素，增加选股策略的准确性。
有何风险？
该选股策略存在以下风险：
-
涨停股的一日行情并不能反映出一个股票的真正价值，需要注意短期投机性成分。
-
10点之前选股的时间限制可能过于短暂，限制了股票的选择范围。
-
过分追求短期资金流向和市场情绪容易导致选股过于集中，从而加大投资风险。
如何优化？
以下是优化该选股策略的方法：
-
考虑多个市场因素的引入，相互补充和验证后得出更为稳定的选股策略。
-
调整选股时间和涨停重要性指标等条件，建立更加合理的选股条件体系，更全面地提高选股的准确性。
-
加大风险控制力度，建立有效的止损和风控机制，寻求更为平衡的风险-收益比。
最终的选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、非ST、10点之前选股票、五部涨停战法，并综合考虑其他市场因素进行筛选。
同花顺指标公式代码参考
- 振幅指标公式：
振幅=100*(高点值-低点值)/昨日收盘值
python代码参考
from gm.api import *
set_token("your_token_here")
# 设置回测起点和终点
start_date = "2020-01-01"
end_date = "2022-01-01"
# 获取主板所有股票
symbols_all = get_symbols(exchanges=["SHSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 获取股票历史信息
bars_all = history(symbol=symbols_all, frequency="1d",
start_time=start_date, end_time=end_date,
fields="open, close, high, low, volume, turnover, amount", df=True)
# 满足选股条件：振幅大于1，近一个月内有过涨停，非ST，10点之前选股票，五部涨停战法
cond = (bars_all["amplitude"] > 1) & \
(pd.rolling_max(bars_all['close'], window=22) == bars_all['close']) & \
(~bars_all['symbol'].str.contains('ST')) & \
(bars_all['datetime'].dt.time <= time(hour=10)) & \
(bars_all['pct_chg'].rolling(window=5).apply(lambda x: (x>9.9).all(), True))
# 获取满足条件的股票代码
symbols_selected = list(cond[cond].index.get_level_values(0).unique())
print(symbols_selected)
该代码通过 Pandas 对象读取股票历史信息，然后根据选股条件选出满足条件的主板股票代码。代码可以在量化平台和本地 Python 环境中执行。
## 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。
