问财量化选股策略逻辑
选股逻辑：振幅大于1, 今日控盘＞21, 20日均线大于120日均线。
选股逻辑分析
该选股逻辑强调了技术面的指标，选股依据更偏重于市场短期动向的把握。同时，用20日均线和120日均线相比较可以得出股价处于一个中长期上升趋势中，一定程度上保证了投资价值。
有何风险？
该选股逻辑可能存在以下风险：
- 场内庄家干扰风险：选择控盘度指标有可能过度关注庄家的操作，被庄家诱导操作而带来风险；
- 短期随机波动风险：振幅与股票价格的涨跌关系不一定强，因此依靠振幅选股可能受到一定短期干扰；
- 着重技术指标而忽略基本面因素，而在特别情况下，基本面会占主导地位对股票价格进行影响。故基本面因素与技术因素均应进行考虑。
如何优化？
为了提高精度和应对可能的风险，可以采取以下优化措施：
- 引入基本面分析：基本面数据对分析发现上市公司内在价值非常有帮助。比如P/E比、ROE等可以用来分析公司的整体财务状况，以及公司成长前景等；
- 针对振幅指标加强干扰判断：可以进一步加强判断程序，排除那些不符合买卖策略的概率较高的股票；
- 均线的时间跨度与形式进行优化，例如加入其他均线指标等，增加股票价格趋势判断的可靠性。
最终的选股逻辑
进一步优化后，我们最终选择以下选股逻辑：
- 振幅大于1；
- 今日控盘大于21；
- 20日均线大于120日均线；
- P/E比小于50；
- ROE排名前50%。
同花顺指标公式代码参考
C1 = AMP() > 1;
C2 = CONTROLLING_SHARES_CHANGE() > 0.21;
C3 = MA(C, 20) > MA(C, 120);
C4 = PE_RANK() <= LEN(ALL_SHARES("A", 0)) * 0.5;
C5 = ROE_RANK() <= LEN(ALL_SHARES("A", 0)) * 0.5;
SELECTOR = C1 AND C2 AND C3 AND C4 AND C5;
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()))
python代码参考
def select_stocks():
selected_stocks = []
for stock in get_all_stocks():
c1 = get_price(stock, end_date=datetime.now(), frequency='1d', fields='amplitude')[-1] > 0.01
c2 = abs(get_controlling_shareholders(stock, end_date=datetime.now(), frequency='1d')['controlling_shareholders_day_pct_change'][-1]) > 0.21
c3 = np.mean(get_price(stock, end_date=datetime.now(), frequency='1d', fields='close', count=20)) > np.mean(get_price(stock, end_date=datetime.now(), frequency='1d', fields='close', count=120))
fundamental = get_fundamental_data(stock, end_date=datetime.now(), frequency='1d')
c4 = fundamental['pe_ratio'][0] < 50
c5 = fundamental['roe_rank'][0] <= len(get_all_stocks()) * 0.5
if c1 and c2 and c3 and c4 and c5:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_stock_heat_index(x), reverse=True)
return selected_stocks[:5]
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要根据自己的需求进行调整。
## 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。
