问财量化选股策略逻辑
选股逻辑为：振幅大于1、剔除昨日涨停、换手率3%-12%。该选股策略主要考虑了波动性、情绪炒作、流动性等因素，通过剔除过度波动、情绪炒作的个股，选择具有一定流动性的优质股票。
选股逻辑分析
该选股策略主要考虑了波动性、情绪炒作、流动性等因素，振幅大于1和剔除昨日涨停可以剔除一些波动较大或者情绪炒作的个股；换手率在3%-12%之间可以选择一些相对具有流动性的个股。
有何风险？
该选股策略可能存在以下风险：
-
选股条件过于苛刻，可能会剔除一些短期内存在价值回归、投机价值较高的股票。
-
选股策略依赖于历史数据，可能无法预测未来走势，存在选股失误的风险。
如何优化？
以下是对该选股逻辑的优化建议：
-
可以结合其他技术指标或基本面分析，综合考虑选股。
-
应该定期监控选股策略的表现，及时调整选股条件，确保选出的股票符合市场趋势。
最终权益选股逻辑
选股策略为：振幅大于1、剔除昨日涨停、换手率3%-12%。
同花顺指标公式代码参考
以下是该选股策略的通达信指标公式代码：
振幅指标：AMO=(HIGH-LOW)/REF(CLOSE,1);
剔除涨停股票：NOT LIMIT;
换手率指标：TURNOVER_RATE>=3 AND TURNOVER_RATE<=12
选股条件：AMO>1 AND NOT LIMIT AND TURNOVER_RATE>=3 AND TURNOVER_RATE<=12;
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'
# 获取所有股票
symbols_all = get_symbols(exchanges=['SHSE', 'SZSE'], sec_types=['STOCK'], fields=['symbol'])
# 设置选股条件
amplitude_cond = {'$gt': 1}
limit_up_cond = {'limit_status': {'$ne': 1}}
turnover_cond = {'$and': [
{
'indicator': 'TURNOVER_RATE',
'arg_list': [],
'logic': 'AND',
'op': '>=',
'threshold': 3.0
},
{
'indicator': 'TURNOVER_RATE',
'arg_list': [],
'logic': 'AND',
'op': '<=',
'threshold': 12.0
}
]}
cond = {
'$and': [
amplitude_cond,
limit_up_cond
]
}
cond.update(turnover_cond)
# 构建排序条件
sort_cond = [(Bar("close_price"), SortType.DESC)]
# 获取符合条件的股票历史信息
data = history(symbol=symbols_all,
start_time=start_date,
end_time=end_date,
fields=["symbol", "limit_status", "open_price", "high_price", "low_price", "close_price", "turnover_rate"],
indicators={},
bar_count=1,
freq="1D",
filter=cond,
sort=sort_cond)
# 筛选出符合条件的股票
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
上述代码中，选股的逻辑为振幅大于1、剔除昨日涨停、换手率在3%-12%之间。通过获取符合条件的股票历史信息，并使用 turnover_rate 指标筛选出符合选股逻辑的股票。
## 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。
