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
- 今日控盘＞21
选股逻辑分析
该选股策略依旧是基于技术分析理论，其中振幅大于1和今日最低价小于昨日最低价表明股票波动剧烈并且有下跌趋势，而今日控盘＞21表示市场交易者看好该股票后市表现。需要进行技术与市场情绪分析并结合股票走势图形来进行判断，选出有望继续上涨的个股。
有何风险？
同样，该选股策略仅考虑技术与市场情绪因素，无法全面考虑股票的基本面因素，可能存在过于片面的情况，并且容易被过多人关注，造成选股机会的争夺。
如何优化？
同样加入股票的基本面因素和其他市场情绪因素进行综合判断，形成更加全面的选股策略，以提高选股成功率。
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，表明股票下跌趋势已经明显；
- 今日控盘＞21，表明市场交易者对该股票后市看好；
- 加入更多基本面因素和其他市场情绪因素综合判断。
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)
- 今日控盘＞21: close >= 21 * (close + high + low) / 3
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:
is_amplitude_large = False
is_today_lowest = False
is_market_confidence = False
bars = ts.get_k_data(code)
if bars is not None:
is_amplitude_large = bars['high'].iloc[-1]/bars['low'].iloc[-1] > 1.01
is_today_lowest = bars['low'].iloc[-1] < bars['low'].iloc[-2]
is_market_confidence = bars['close'].iloc[-1] >= 21 * (bars['close'].iloc[-1] + bars['high'].iloc[-1] + bars['low'].iloc[-1]) / 3
if is_amplitude_large and is_today_lowest and is_market_confidence:
# 加入更多基本面因素和其他市场情绪因素综合判断
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe'], '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。
