问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,收盘价<boll(upper值)且收盘价>boll(mid值)。
选股逻辑分析
该选股逻辑是基于技术面指标考虑的策略，对股票的短期趋势进行判断。该逻辑侧重于股票价格的波动，加入控盘和boll指标的考虑，能较好地反应短期市场情况。该选股逻辑的优点是具有针对性较强，根据实时的数据信息进行筛选，能很好的应对市场变化。但与此同时，该选股逻辑也存在如下风险。
有何风险？
该选股逻辑可能存在以下风险：
- 过度关注短期趋势带来的风险：短期内的股价波动经常会受到一些不可控因素（如突发事件、恶意操纵等）的影响，因此对于长期投资需要有较为理性的判断；
- BOLL指标的限制性风险：BOLL指标作为短期技术面指标之一，在市场低迷时可能会对股票选出有限，因此单独依赖BOLL指标筛选存在一定风险；
如何优化？
为了提高精度和应对潜在风险，可以采取以下优化措施：
- 将BOLL指标与其他技术面指标结合使用，提高选股的准确度，例如MACD指标、KDJ指标、RSI指标等可以进一步补充判断股票价格波动的情况；
- 引入事件型指标进行股票选股的分析，根据长期市场前景、公司新闻事件等因素对股票进行筛选，提高对股票的全面评估。
最终的选股逻辑
经过优化后，我们最终选择以下选股逻辑：
- 振幅大于1；
- 今日控盘大于21%；
- 收盘价小于BOLL(upper值)且大于BOLL(mid值)；
- 综合考虑其他技术面指标进行精选。
同花顺指标公式代码参考
C1 = AMP() > 1;
C2 = CONTROLLING_SHARES_CHANGE() > 0.21;
C3 = CROSS(CLOSE, BOLL('B', 20, 2), LOWER);
C4 = CROSS(BOLL('B', 20, 2), CLOSE, LOWER);
SELECTOR = C1 AND C2 AND (C3 OR C4);
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()))
python代码参考
def select_stocks():
selected_stocks = []
for stock in get_all_stocks():
c1 = get_price(stock, end_date=datetime.now(), frequency='1d', fields='amplitude')[-1] > 0.01
c2 = abs(get_controlling_shareholders(stock, end_date=datetime.now(), frequency='1d')['controlling_shareholders_day_pct_change'][-1]) > 0.21
boll_data = get_price(stock, end_date=datetime.now(), frequency='1d', fields=['close', 'boll'])
upper = boll_data['boll'].iloc[-1]['upper']
mid = boll_data['boll'].iloc[-1]['mid']
c3 = boll_data['close'].iloc[-1] < upper and boll_data['close'].iloc[-1] > mid
if c1 and c2 and c3:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_stock_heat_index(x), reverse=True)
return selected_stocks[:5]
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要根据自己的需求进行调整。
## 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。
