问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,昨日9:15匹配价跌停。
选股逻辑分析
该选股策略考虑了技术面、基本面和市场情绪的指标，综合考虑了股票的波动性、市场资金流入、控盘情况以及市场情绪，昨日9:15匹配价的跌停则反映了股票当前的市场情绪。该策略选取了多种指标，提高了选股的准确度。
有何风险？
该选股策略可能面临以下风险：
- 政策不确定性风险：某些因素可能会影响选股策略的效果，例如政策调整等；
- 市场风险：股市的波动性会对策略的有效性造成影响，可能会出现选出的股票亏损的情况；
- 选股策略不适用于所有市场：选股策略适用于某些股市，而对于某些其他市场可能不适用。
如何优化？
为了降低风险并提高策略的精度，我们可以考虑以下优化措施：
- 加入其他技术指标、基本面数据或其他数据，如市场的PE、PB等，来加强策略的全面性和鲁棒性；
- 对数据进行多方面的验证和检验，提高选股策略的准确性和可靠性；
- 考虑加入一些排除市场风险的指标，例如加入风险平价的策略；
- 根据市场状况不断调整策略参数和选股条件，避免高风险股票的选出，注意分散风险。
最终的选股逻辑
综合考虑风险和优化需求，我们可以最终选择以下选股逻辑：
- 振幅大于1；
- 今日控盘大于21；
- 昨日9:15匹配价跌停；
- 选出符合条件的股票。
同花顺指标公式代码参考
以下是同花顺实现此策略的部分指标公式代码：
C1 = AMP() > 1;
C2 = ABS(CONTROLLING_SHARES_DAY_CHG()) > 21;
C3 = YESTERDAY_LOW_PRICE(1) == YESTERDAY_MATCH_PRICE() * 0.9 && YESTERDAY_MATCH_PRICE() * 0.9 != 0;
SELECTOR = C1 AND C2 AND C3;
RESULT = REF(SORT(RANK(SELECTOR), 1), 0) == 0;
python代码参考
以下是Python实现此策略的部分代码：
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
c3 = get_price(stock, end_date=datetime.now() - timedelta(days=1), frequency='1d', fields='low')[-1] == get_match_price(stock, end_date=datetime.now() - timedelta(days=1), time='9:15:00')[-1] * 0.9 and get_match_price(stock, end_date=datetime.now() - timedelta(days=1), time='9:15:00')[-1] * 0.9 != 0
if c1 and c2 and c3:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_price_change(x, 1, datetime.now(), frequency='1d'), 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。
