问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,涨幅<2.6且涨幅>-5。
选股逻辑分析
该选股策略同样是基于技术分析的选股策略，加入了控盘因素和涨幅因素。相对于前一个策略，这个策略的涨幅条件略微改动，更强调了涨跌幅的限制。通过综合考虑技术因素和控盘因素、市场因素，该选股策略能够筛选出较好的短期上涨潜力的股票。
有何风险？
该选股策略同样存在市场变动风险、行情变化风险以及股票基本面变化等风险因素，可能会因为股票的基本面或行业发展的不利情况而导致股票进一步的下跌，从而使选股策略的效果失效。同时，指标的反应速度可能存在滞后，也可能会因为行情波动而出现损失。此外，市场和行业内部变量可能会影响到精度，这些风险都需要谨慎考虑和避免。
如何优化？
为了更全面地考虑各类因素，可以对该选股策略进行如下优化：
- 加入基本面分析，综合考虑股票的财务数据、行业发展等因素，以获取更全面的股票评价；
- 考虑加入其他技术分析指标和量价分析，增加选股依据的多样性；
- 手动或自动确定选股逻辑中的各项阈值，以避免过度依赖单一指标或过于死板；
- 加入风控机制，合理控制仓位，控制风险。
最终的选股逻辑
考虑风险和优化需求，得到完善后的选股逻辑：
- 振幅大于1；
- 今日控盘＞21；
- 涨幅在-5%和2.6%之间；
- 财务数据及行业发展良好。
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 = PCTCHG() < 2.6 AND PCTCHG() > -5;
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, count=1, end_date=datetime.now(), frequency='1d', fields='amplitude')[0] > 0.01
c2 = abs(get_controlling_shareholders(stock, count=1, end_date=datetime.now(), frequency='1d')['controlling_shareholders_day_pct_change'][0]) > 0.21
c3 = -0.05 < get_price_change(stock, count=1, end_date=datetime.now(), frequency='1d') < 0.026
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
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要结合自身需求进行调整。
## 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。
