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
- 价格＜12
选股逻辑分析
该选股策略主要是从技术面出发，首先振幅大于1表明股票具有一定的波动性，短期内有可能出现较大涨幅，符合短线交易的需求。今日最低价小于昨日最低价则表明股票现价相对前一日低点具有支撑，有一定上涨潜力。价格＜12则限制股票的价格，可以降低风险。
有何风险？
该选股策略忽略了公司的基本面和未来发展潜力，只从技术面进行筛选，未考虑公司财务、行业发展等因素的影响。同时，过分依赖技术指标筛选股票，存在中小概率的风险。
如何优化？
该选股策略可以结合基本面因素进行筛选，例如市盈率、市净率等，综合评估股票的价值。同时，也可以适当调整条件，如价格＜20等，更加符合市场实际情况。
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，表明股票下跌趋势已经明显；
- 价格＜20，限制股票价格，可以降低风险。
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)
- 价格＜20：close < 20
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:
pe_ratio = hist_data.iloc[-1]['pe']
else:
pe_ratio = None
close = None # 其他技术指标
if is_not_limit_up and float(bars.iloc[0]['low']) < float(bars.iloc[0]['pre_close']) and close is not None and close < 20:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': float(bars.iloc[0]['price']), 'pe_ratio': pe_ratio}, ignore_index=True)
result = result.sort_values(by='pe_ratio', ascending=True)
## 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。
