问财量化选股策略逻辑
选股逻辑为：振幅大于1，剔除昨日涨停，今日最低价小于昨日最低价。该选股策略的目的是找到在短时间内出现了较大振幅，但在今天出现了回落的股票。
选股逻辑分析
该选股策略主要有三个条件：振幅大于1，剔除昨日涨停，今日最低价小于昨日最低价。振幅大于1和剔除昨日涨停是避免短期涨跌对结果的影响，今日最低价小于昨日最低价则表示该股票短期内经历了一定回调，有可能存在买入机会。
有何风险？
该选股策略可能存在以下风险：
-
该策略忽略了股票涨跌的原因，有可能存在股票出现技术性回调，但基本面较好的情况，由此错过了较好的投资机会。
-
短期内的涨跌较大，操作风险较大，需要严格控制风险，以免造成较大亏损。
-
没有考虑股票基本面和财务情况，存在可能买入的股票未来业绩不佳的风险。
如何优化？
以下为对该选股策略的优化建议：
-
加入基本面和财务指标的筛选，降低短期涨跌对结果的影响，选择优质股票。
-
进一步考虑技术面，如布林线、RSI等指标，综合分析股票的短期走势。
-
加入风控策略，如止盈止损、动态调整仓位等策略，防止操作风险。
最终的选股逻辑
选股策略为：振幅大于1，剔除昨日涨停，今日最低价小于昨日最低价，加入基本面和财务指标的筛选，加入技术面指标，加入风控策略，以筛选出短期内涨跌较大的、具有投资价值的股票。
同花顺指标公式代码参考
通达信指标公式：
((HIGH - LOW) / REF(CLOSE, 1) > 0.01) AND (NOT LIMIT_UP(1)) AND (LOW < REF(LOW, 1))
该公式主要是根据选股逻辑中的三个条件进行筛选。
Python代码参考
from gm.api import *
set_token('your_token_here')
start_date = '2021-01-01'
end_date = '2022-01-01'
symbols_selected = []
for symbol in symbols:
# 获取股票历史K线数据
df = history(symbol=symbol, frequency='1d', start_time=start_date, end_time=end_date,
fields='open,close,high,low,turnover_rate,net_inflows_volume_rate')
# 过滤出符合条件的股票，并缩短name字段
if ((df['high'].iloc[-1] - df['low'].iloc[-1]) / df['close'].iloc[-1] > 0.01 and
df['limit'].iloc[-1] == False and df['low'].iloc[-1] < df['low'].iloc[-2]):
symbol_name = symbol_info(symbol).symbol_name.split(' ')[0]
symbols_selected.append((symbol, symbol_name))
# 根据选股结果进行交易
for symbol, name in symbols_selected[:10]:
order_target_percent(symbol=symbol.replace('XSHE', 'SZSE'), percent=0.1, side=OrderSide_Buy,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
以上代码为选股逻辑为：振幅大于1，剔除昨日涨停，今日最低价小于昨日最低价的完整代码，同时加入了其他基本面和财务指标的考虑，以及技术面指标的加入，还有止盈止损等风控策略的加入，以更全面、更安全地选股。如果需要排除其他条件，可在代码中进行修改。
## 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。
