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
- 今日上涨幅度大于1%
选股逻辑分析
该选股策略主要基于技术面分析。振幅大小和股价的涨跌反应了市场参与者对该股票的兴趣和情绪变化，上涨幅度大于1%则表明股票价格有较大的上涨空间。因此，该策略可以理解为寻找未来股价有较大上涨潜力的股票。
有何风险？
该选股策略忽略了公司的基本面因素和其他市场因素，比如宏观经济因素和政策因素等。股票价格涨跌不仅受到市场情绪变化的影响，还有外部因素的干扰，需要谨慎分析。
如何优化？
可以加入其他因素来优化策略效果，比如加入市盈率、市净率和股息率等因素来评估股票的基本面状况，并关注宏观经济状况、行业趋势、政策变化等参考因素，以构建更为全面的选股策略。
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。
- 今日上涨幅度大于1%，表明股票价格有较大的上涨空间。
同花顺指标公式代码参考
- 振幅大于1：amplitude > 1
- 今日最低价小于昨日最低价：low < ref(low, 1)
- 今日上涨幅度大于1%：(close - ref(close, 1)) / ref(close, 1) > 0.01
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_today_all()
df = df.dropna()
df['condition1'] = df['amplitude'] > 1
df['condition2'] = df['low'] < df['low'].shift(1)
df['condition3'] = (df['trade'] - df['settlement']) / df['settlement'] > 0.01
df = df[df['condition1'] & df['condition2'] & df['condition3']]
codes = df['code'].tolist()
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。
