问财量化选股策略逻辑
该选股逻辑共包含四个条件：
- 振幅大于1
- 昨天3连板
- 机器人概念
- 流通市值小于100亿
选股逻辑分析
振幅大于1是希望能找到波动较大的股票，昨天3连板则是希望找到昨天刚刚热度开始增加的股票，机器人概念则是希望挖掘机器人行业的可能热门主题，流通市值小于100亿可能是因为小市值的股票更容易被炒作。这四个条件结合起来，可能会找到一些刚开始热度增加的，波动比较大，且有机会成为热门主题的小市值股票。
有何风险？
该策略依然只考虑了股票的价格波动和短期热门程度，和机器人概念，并未考虑股票的基本面信息。选股的结果也可能会有一定的偏差，存在较大的风险。
如何优化？
针对该风险，可以加入更多变量和指标，如PE、PB、市值等基本面指标，再进行多角度综合考虑，才能更加全面地选取出具备持续上涨潜力的股票。
最终的选股逻辑
结合上述风险和优化，最终的选股策略可以进行如下更正：
- 振幅大于1，市场对波动较大的股票更感兴趣。
- 昨天3连板，寻找当前热门概念的热门个股。
- 机器人概念，寻找会成为热门主题的概念股。
- 流通市值小于100亿，选取小市值股票，容易被炒作。
同花顺指标公式代码参考
HIGH = REF(HIGH, 1);
LOW = REF(LOW, 1);
VOL = REF(VOL, 1);
UP = ABS(HIGH - LOW);
DOWN = ABS(REF(CLOSE, 1) - HIGH);
TR = MAX(MAX(UP, DOWN), ABS(HIGH - REF(CLOSE, 1)));
ATR = ((19 * REF(ATR, 1)) + TR) / 20;
ZF = (HIGH - LOW) / REF(CLOSE, 1) * 100;
python代码参考
high = df['high']
low = df['low']
close = df['close']
vol = df['vol']
high_ref1 = high.shift(1)
low_ref1 = low.shift(1)
close_ref1 = close.shift(1)
up = abs(high - low_ref1)
down = abs(close_ref1 - high)
tr = pd.DataFrame({'up': up, 'down': down, 'high': high, 'close_ref1': close_ref1}).max(axis=1)
atr = tr.rolling(window=20).mean()
zf = (high - low) / close_ref1 * 100
## 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。
