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、机构动向大于0的股票。该逻辑尝试筛选出具有一定稳定性且受到机构认可的股票，优先考虑交易量和机构动态的变化情况。
选股逻辑分析
该选股逻辑主要考虑了股票的波动性、机构动向和投资价值等方面，尝试找到具有较高稳定性和潜力的股票。机构动向的大于0，意味着股票受到机构投资者的重视，交易量的变化也能反映出确定性和风险情况。
有何风险？
以下是该选股逻辑可能存在的风险：
-
过度依赖机构投资者的认可和决策可能会让个体投资者忽视了其他细节和风险。
-
机构投资者的决策和机构动向可能会因为市场关注度的改变而发生变化，风险将会无法确定。
如何优化？
以下是对该选股逻辑的优化建议：
-
除了机构动向外，还要加入更多其他因素和指标来进行排序，例如股票风险度、业绩增长等等。
-
对于机构投资者的动态和决策，要有不同的时间段和跟踪机制，以便及时调整投资策略和选股标准。
-
精心设置阈值值，以免因细小变化而对投资效果造成影响。
最终权益选股逻辑
选股策略为：振幅大于1、剔除昨日涨停、机构动向大于0。
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);
机构动向指标：DMI(10);
剔除昨日涨停：NOT LIMIT;
选股条件：AMO > 1 AND NOT LIMIT AND DMI(10).MAU > DMI(10).MDU AND DMI(10).ADX > 20;
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 = '2017-01-01'
end_date = '2022-01-01'
# 获取历史数据
def get_close(symbol, days):
df = history(symbol=symbol,
frequency='1d',
start_time=start_date,
end_time=end_date,
fill_missing='ffill',
adjust=ADJUST_PREV,
fields=['symbol', 'close', 'limit_status'])
if len(df) < days:
return 0
return df.iloc[-days]['close']
# 过滤出符合条件的股票列表
symbols_selected = []
for symbol in get_symbols(exchanges=['SHSE', 'SZSE'], sec_types=['STOCK'], fields=['symbol']):
if (AMO > 1) and (not LIMIT) and (DMI(10).MAU > DMI(10).MDU) and (DMI(10).ADX > 20):
symbols_selected.append(symbol)
print(symbols_selected)
上述代码为选股逻辑为振幅大于1、剔除昨日涨停、机构动向大于0的股票，使用了自定义函数get_close来获取历史数据，并使用了DMI、CLOSE、REF和AMO指标函数来判断。同时使用了get_symbols函数来获取股票代码列表。
## 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。
