问财量化选股策略逻辑
该选股策略包含三个条件：
- 振幅大于1；
- 至少5根均线重合；
- 今日控盘＞21。
选股逻辑分析
控盘指标代表了股票的投机热度，控盘大的股票往往伴随着一定量的资金流入，是股价上涨的信号。振幅和均线可以帮助筛选出支撑位和阻力位，并辅助判断底部抬高的信号。这三个指标结合使用可以筛选出表现相对较好的股票，适合短线投资者。
有何风险？
该选股策略忽略了一些与公司基本面、市场行情等有关的因素，可能无法准确预测股票价格的变化。同时，控盘指标是一个相对短期的指标，可能会存在干扰和误判的情况。
如何优化？
为了进一步弥补该选股策略的不足，可以结合基本面分析和市场环境进行综合筛选。同时，可以考虑引入一些长期的指标和指标组合来判断股票价格的走势，以提高选股的准确度和稳定性。同时，也可以结合量价分析来进一步筛选股票，找出交易量和价格变化趋势相符合的个股。
最终的选股逻辑
综上所述，建议该选股策略的逻辑为：
- 振幅大于1；
- 至少5根均线重合；
- 今日控盘＞21；
- 加入公司基本面和市场情绪等因素进行筛选；
- 考虑引入长期指标和指标组合，以提高选股准确度和稳定性；
- 结合量价分析筛选股票。
同花顺指标公式代码参考
- 控盘指标：(（今日收盘价-今日最低价）/（今日最高价-今日最低价）)×成交量/100000000
python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_pool(date, low_price, ma_count):
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
# 振幅大于1
bars_all = ts.get_hist_data(code, start='2021-01-01')
close = bars_all['close'].values
high = bars_all['high'].values
low = bars_all['low'].values
amplitude = (high - low) / close
if amplitude[-1] < 0.01:
continue
# 均线
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20]]))
if ma_count < 5:
continue
# 控盘指标
volume = bars_all['volume'].values
control = ((close[-1] - low[-1]) / (high[-1] - low[-1])) * (volume[-1]/100000000)
if control <= 21:
continue
# 加入公司基本面和市场情绪等因素进行筛选
# 选出的股票加入结果中
price = close[-1]
if price < low_price[0] or price > low_price[1]:
continue
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': price, 'vol': df.loc[code]['volume']},ignore_index=True)
result = result.sort_values(by=['vol'], ascending=False)
return result
注：代码仅供参考，具体选股逻辑和细节可根据实际需求进行调整。
## 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。
