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
- 今日最低价小于昨日最低价
- DEAMA上涨
选股逻辑分析
该选股策略同样包括振幅和价格结构，但增加了技术指标的分析，即DEA线上涨，表示股票价格的上涨趋势已经开始建立，具有较大的上涨潜力。
有何风险？
该选股策略同样存在较大的风险，如技术指标受到市场波动影响往往不稳定，而且无法判断未来的经营状况和宏观环境变化等因素，因此无法保证投资的实际收益。
如何优化？
技术指标分析基于历史数据，容易出现夸张和偏差现象。因此，建议结合基本面分析（如股票市盈率、市净率等），或者其他技术指标（如RSI、MACD等），来逐步优化选股策略。多方面综合分析可以更好地减少选股风险。
最终的选股逻辑
基于以上分析，最终的选股逻辑如下：
- 振幅大于1，市场对股价波动大的股票更感兴趣。
- 今日最低价小于昨日最低价，表明股价上升趋势已经明显。
- DEA线上涨，表明股票价格的上涨趋势已经开始建立。
同花顺指标公式代码参考
该选股策略需要计算DEA线，通达信指标公式代码如下：
EXPMA((EXPMA(C,12)-EXPMA(C,26)),9)>REF(EXPMA((EXPMA(C,12)-EXPMA(C,26)),9),1) //计算DEA线上涨的股票
python代码参考
import pandas as pd
import tushare as ts
import numpy as np
def is_dea_up(code, end_date):
df = ts.get_k_data(code, start='', end=end_date, ktype='D')
df.index = range(len(df))
a = 2 / (12 + 1)
b = 2 / (26 + 1)
c = 2 / (9 + 1)
ema12 = df['close'].ewm(alpha=a, adjust=False).mean()
ema26 = df['close'].ewm(alpha=b, adjust=False).mean()
dif = ema12 - ema26
dea = dif.ewm(alpha=c, adjust=False).mean()
if dea[-1] > dea[-2]:
return True
else:
return False
df = ts.get_today_all()
df['amplitude'] = (df['high'] - df['low']) / df['pre_close']
df['condition1'] = df['amplitude'] > 1
df['condition2'] = df['low'] < df['low'].shift(1)
df['condition3'] = df['code'].apply(lambda x: is_dea_up(x, '2021-07-30'))
codes = df[df['condition1'] & df['condition2'] & df['condition3']].sort_values(by='money', ascending=False)['code'].tolist()[:10]
result = pd.DataFrame()
for code in codes:
bars = ts.get_realtime_quotes(code)
result = result.append({'code': code, 'name': bars['name'].tolist()[0], 'price': float(bars['price'].tolist()[0])}, ignore_index=True)
result = result.sort_values(by='price', ascending=True)
## 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。
