问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,k小于20。
选股逻辑分析
该选股逻辑在振幅大于1和今日控盘＞21的基础上，引入了K值小于20的限制条件，通过K线图中容易反转的低位区间寻找买点。这个选股逻辑相对而言更加综合运用了技术面指标，旨在捕捉技术买点。但是，仍然需要注意市场风险。
有何风险？
该选股逻辑可能存在以下潜在风险：
- 过于依赖技术面的分析，未能考虑宏观经济、基本面等因素的影响；
- 限制性太强，过滤掉了一些具备投资价值的股票；
- 受到市场黑天鹅事件的影响，如大的负面新闻、政策调整等可能造成操作风险。
如何优化？
为了提高选股逻辑的交易效果，我们可以进行以下优化：
- 加强筛选条件的考虑和分析，引入更多的指标，如成交量、换手率、股息率等，将技术面指标与基础面指标结合使用，更全面地衡量选股机会；
- 考虑长期投资和价值投资的需求，避免过分追求短期收益；
- 加强风险控制，避免发生投资决策失误。
最终的选股逻辑
经过以上优化，我们得到以下选股逻辑：
- 振幅大于1；
- 今日控盘＞21；
- K值小于20；
- 成交量大于5日平均值；
- 当日换手率小于3%；
- 股息率不小于1.5%。
同花顺指标公式代码参考
C1 = IF(REF(ABS(AMO/REF(AMO, 1)-1), 1)>1, 1, REF(ABS(AMO/REF(AMO, 1)-1), 1));
C2 = CONTROL_SHares_TODAY()>0.21;
C3 = K<TMVALUE(20);
C4 = VOL()>MA(VOL(), 5);
C5 = TURNRATIO()<0.03;
C6 = DIV>(1.5/100);
SELECTOR = C1*C2*C3*C4*C5*C6;
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()));
python代码参考
C1 = np.where(np.abs(ta.AMO()/ta.AMO().shift(1)-1)>1, 1, np.abs(ta.AMO()/ta.AMO().shift(1)-1))
C1 = np.where(C1>1, 1, C1)
C2 = ta.CONTROL_SHares_TODAY()>0.21
C3 = ta.K() < 20
C4 = ta.VOL() > ta.MA(ta.VOL(), 5)
C5 = ta.TURNRATIO() < 0.03
C6 = ta.DIV() > 1.5/100
selector = C1 * C2 * C3 * C4 * C5 * C6
result = np.argsort(np.argsort(selector))
## 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。
