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
- 今日均线向上发散
选股逻辑分析
该选股策略也是从技术面进行筛选，选取当日振幅较大且具有一定上涨潜力的股票；同时，也考虑了均线发散，作为预测后市趋势的指标之一。今日均线向上发散表明股票的上涨动力较强，更容易突破前期高点。同时，均线发散也意味着股票的上涨趋势不会在短时间内结束。
有何风险？
同样忽略了公司的基本面和未来发展潜力，只是从技术面进行筛选。同时，该选股策略忽略了其他常见趋势指标，如MACD等，对于趋势判断可能不够全面，容易受到市场情绪的短期影响。
如何优化？
该选股策略可以引入更多主流的趋势指标，如MACD等，从多个角度综合评估。同时，在验证股票短期上涨潜力的同时，也应该考虑股票的基本面和未来发展潜力，如资产负债率，业绩情况等。另外，在研判股票均线发散趋势的同时，也应该考虑股票的技术面状况，如是否处于超买区域，是否出现D1、W1级别的反弹等情况。
最终的选股逻辑
基于以上分析，完善后的选股逻辑为：
- 振幅大于1，市场对波动剧烈的股票更感兴趣；
- 今日最低价小于昨日最低价，表明股价下跌趋势已经明显；
- 今日均线向上发散，表明股票具有较强上涨动力。
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)
- 今日均线向上发散：c > ma5 and ma5 > ma10 and ma10 > ma20
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
bars = ts.get_today_ticks(code, 1)
if len(bars) > 0:
is_not_limit_up = not ts.is_n_day_limit_up(code, 2, 1)
hist_data = ts.get_hist_data(code)
if hist_data is not None:
ma5 = hist_data.iloc[-1]['ma5']
ma10 = hist_data.iloc[-1]['ma10']
ma20 = hist_data.iloc[-1]['ma20']
is_ma_divergence = (float(bars.iloc[0]['price']) > ma5) and (ma5 > ma10) and (ma10 > ma20)
else:
is_ma_divergence = False
amplitude = (float(bars.iloc[0]['high']) - float(bars.iloc[0]['low'])) / float(bars.iloc[0]['pre_close'])
if is_not_limit_up and amplitude > 0.01 and float(bars.iloc[0]['low']) < float(bars.iloc[0]['pre_close']) and is_ma_divergence:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': float(bars.iloc[0]['price']), 'amplitude': amplitude}, ignore_index=True)
result = result.sort_values(by='amplitude', 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。
