问财量化选股策略逻辑
选股逻辑为振幅大于1，10日涨幅大于0小于35，60开头的股票。
选股逻辑分析
- 振幅大于1可以表示市场波动性，意味着更高的风险和收益机会。
- 筛选10日涨幅大于0小于35的股票，可以避免选择过度涨价的股票，但仍有一定的风险。
- 60开头的股票可能具备一些特殊的基本面，如主营业务等。
- 此选股策略较为严格，可能会忽略一些潜在的机会。
有何风险？
- 过度依赖单一的选股条件可能会忽略其他重要的因素，存在一定的风险。
- 筛选60开头的股票可能会忽略掉其他有潜力的股票。
- 历史表现不代表未来表现，存在选股风险。
如何优化？
- 结合其他技术指标进一步调整选股条件，如MACD等。
- 加入其他基本面因素，如市盈率等，综合考虑股票价值和成长性。
- 谨慎对待单一指标的使用，结合多方面因素进行判断。
最终的选股逻辑
选股逻辑包括振幅大于1，10日涨幅大于0小于35，60开头的股票，同时综合考虑其他技术指标和基本面因素。
同花顺指标公式代码参考
YEB AND (CLOSE > MA(C, 10)) AND ((HIGH - LOW) / REF(C, 1) > 0.01)
AND (CLOSE / REF(CLOSE, 10) - 1 > 0) AND (CLOSE / REF(CLOSE, 10) - 1 < 0.35)
AND (LEFT(SYMBOL, 2) == '60')
python代码参考
import akshare as ak
from datetime import datetime, timedelta
def select(df):
end_date = datetime.now().strftime("%Y-%m-%d")
start_date = (datetime.now() - timedelta(days=365)).strftime("%Y-%m-%d")
df['ma10'] = df['收盘价'].rolling(window=10).mean()
df = df[(df['股票价格'] > df['ma10'] * 0.95) & (df['股票价格'] < df['ma10'] * 1.05)]
df = df[(df['最高价'] - df['最低价']) / df['收盘价'].shift(1) > 0.01]
df['涨幅'] = df['收盘价'].pct_change(10)
df = df[(df['涨幅'] > 0) & (df['涨幅'] < 0.35)]
df['stock_code'] = df['股票代码'].apply(lambda x: str(x).zfill(6))
df = df[(df['stock_code'].str[:2] == '60')]
return df
## 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。
