问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,今日最大跌幅＜-4且＞-5。
选股逻辑分析
该选股策略主要考虑了技术面和市场资金面。振幅大于1考虑了股票的波动性，今日控盘大于21反映了市场资金流入，今日最大跌幅＜-4且＞-5可以反映市场资金的情况、股票的场内情况，本质上是利用投资者对某些事件的情绪反应，得以快速响应市场趋势。选股逻辑考虑了技术面和市场资金面，可以更全面地体现行情的多方面信息。
有何风险？
该选股策略可能面临以下风险：
- 内在风险：该策略可能因为过分注重历史数据，而无法充分反映当前市场状况，影响其选股准度；
- 风险控制不够严格：该策略可能对市场情绪的选股标准存在一定偏差，需要对风险控制进行更多的考虑；
- 策略过于简单：该策略可能受到同行竞争的影响，不同选股策略之间会产生类似或重复的股票池选取问题。
如何优化？
为了降低风险和提高策略的精度，我们可以通过以下措施进行优化：
- 结合更多的指标：在现有指标的基础上，可以多结合一些相关指标，以共同体现市场条件和股票基本面情况；
- 调整选股标准：我们可以设定某些标准的分值，并根据其重要性分配相应的权重，以减轻某些标准的影响；
- 运用机器学习、深度学习等方法：可采用回归等算法，通过不断的训练和优化，进而提高选股策略的准确率和稳定性。
最终的选股逻辑
基于以上分析和优化需求，我们最终选择以下选股逻辑：
- 振幅大于1；
- 今日控盘大于21；
- 今日最大跌幅＜-4且＞-5。
同花顺指标公式代码参考
以下是同花顺实现此策略的部分指标公式代码：
C1 = AMP() > 1;
C2 = ABS(CONTROLLING_SHARES_DAY_CHG()) > 21;
C3 = REF(LOWEST(CLOSE, 60), 1) / REF(CLOSE, 1) < -0.04 AND REF(LOWEST(CLOSE, 60), 1) / REF(CLOSE, 1) > -0.05;
SELECTOR = C1 AND C2 AND C3;
RESULT = REF(SORT(RANK(SELECTOR), 1), 0) == 0;
python代码参考
以下是Python实现此策略的部分代码：
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 = get_price(stock, start_date=datetime.now() - timedelta(days=60), end_date=datetime.now(), frequency='1d', fields=['close', 'low'])['low'][-2] / get_price(stock, start_date=datetime.now() - timedelta(days=60), end_date=datetime.now(), frequency='1d', fields=['close'])['close'][-2] < -0.04 and get_price(stock, start_date=datetime.now() - timedelta(days=60), end_date=datetime.now(), frequency='1d', fields=['close', 'low'])['low'][-2] / get_price(stock, start_date=datetime.now() - timedelta(days=60), end_date=datetime.now(), frequency='1d', fields=['close'])['close'][-2] > -0.05
if c1 and c2 and c3:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_price_change(x, 1, datetime.now(), frequency='1d'), 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。
