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
- 至少5根均线重合的股票
- 今日上涨率大于1%的主板股票
选股逻辑分析
该策略选股逻辑主要关注市场波动较大但是近期表现优秀的股票，主要关注技术面和市场表现，能够及时发现市场大势的热点和机会，对风险进行相应控制，能够确保一定的收益和风险控制。
有何风险？
该选股策略选股条件较为单一，风险比较大，可能会漏掉其他表现优秀的个股。同样，选股逻辑也无法准确反映股票的基本面表现，可能存在高风险的潜在风险。
如何优化？
可以通过引入其他衡量股票基本面的指标进行二次筛选，比如利润增长率、市盈率、资产负债率等指标结合，可以减少市场风险和基本面风险。
最终的选股逻辑
综合以上因素修改后的选股逻辑为：
- 振幅大于1，市场对于波动剧烈的个股更感兴趣；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合，表示股票处于相对稳定状态；
- 今日上涨率大于1%；
- 利润增长、市盈率、资产负债率等指标表现优秀，绩效稳健。
同花顺指标公式代码参考
- 今日涨幅：使用Tushare的get_today_all接口获取该数据。
import tushare as ts
df = ts.get_today_all()
increase = df.loc[df['code'] == '600000', 'changepercent'] # 以600000为例，获取今日涨幅
Python代码参考
import pandas as pd
import tushare as ts
import talib
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
is_amplitude_large = False
is_ma_converge = False
is_today_increase_good = False
is_good_fundamentals = False
bars = ts.get_k_data(code, ktype='D')
if bars is not None:
# 振幅大于1
is_amplitude_large = (bars['high'].iloc[-1] - bars['low'].iloc[-1]) / bars['low'].iloc[-1] > 0.01
# 至少5根均线重合的股票
close = bars['close'].values
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# 今日上涨率大于1%
df_today = ts.get_today_all()
today_increase = df_today.loc[df_today['code'] == code, 'changepercent']
is_today_increase_good = today_increase > 1
# 其他财务指标表现优秀
is_good_fundamentals = True # 根据其他财务指标进行判断
if is_amplitude_large and is_ma_converge and is_today_increase_good and is_good_fundamentals:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], ascending=False)
## 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。
