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；
- 至少5根均线重合的股票；
- 按今日竞价金额排序前5。
选股逻辑分析
该选股策略根据振幅和均线重叠值筛选出波动适度的股票，同时按竞价金额排序选择较有市场活力的个股，提高选股成功率和盈利概率。
有何风险？
选股策略依据股票技术分析因素进行选股，忽略基本面信息，存在着过度依赖技术分析的风险，难以掌握业绩风险以及行业变化对个股的影响，容易被市场情绪化波动所影响，短期内容易受到媒体宣传的影响，产生未来涨幅不高的股票。
如何优化？
可以引入基本面数据进行选股，加强对公司的财务数据和未来发展趋势的考察，以增强投资的长期稳定性；同时，可以在排序方式中除了竞价金额，再引入其他指标如市值、动量等因素。
最终的选股逻辑
根据以上分析，本策略在原基础上进行如下修改：
- 振幅大于1；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合；
- 按今日竞价金额排序前5；
- 综合考虑公司的基本面和未来发展趋势等因素。
同花顺指标公式代码参考
本选股策略采用的是技术分析原则，没有特定的指标公式。
python代码参考
import pandas as pd
import tushare as ts
import talib
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
is_amplitude_large = False
is_ma_converge = False
is_top_5 = False
bars = ts.get_k_data(code, '2022-01-01', '2022-12-31')
if bars is not None and len(bars) > 1:
# 振幅大于1
high, low, close = bars['high'].values, bars['low'].values, bars['close'].values
amplitude = (high - low) / close[:-1]
is_amplitude_large = amplitude.max() > 0.01
# 至少5根均线重合的股票
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# 按今日竞价金额排序前5
today = ts.get_today_ticks(code)
if today is not None and len(today) > 1:
top_5 = today.sort_values(by=['amount'], ascending=False).iloc[:5]['price'].mean() < close[-1]
is_top_5 = top_5
if is_amplitude_large and is_ma_converge and is_top_5:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], 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。
