问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、今日最大跌幅＜-4且＞-5。该选股策略旨在结合价格波动、行情特征等因素，选出未来具备较好投资价值的、低估或者跌势短暂、趋于反弹的股票。
选股逻辑分析
该选股策略主要考虑了价格波动、股票行情等因素，旨在挑选短期内波动较大但具备反弹潜力的股票。振幅大于1和近一个月有涨停的选股条件体现了市场资金的集中和情绪比较积极，而今日最大跌幅＜-4且＞-5的条件，则反映出当前股票较为低估并有反弹潜力。这些选股条件的综合考虑，可以筛选出短期内资金流向和市场情绪都比较积极，但又因近期走势出现回调整理，处于容易反弹上升的状态，投资回报可期。
有何风险？
该选股策略存在以下风险：
-
只考虑了近期的股市行情和波动，没有充分考虑公司基本面、财务等因素，筛选出的股票可能存在潜在利空因素，需要更多的基本面分析。
-
股票价格波动变幻无常，出现暴跌的风险较大，更需要注意风险控制和资金管理，避免出现投资错误。
-
股市行情瞬息万变，仅依赖近期的行情判断，可能无法把握长期投资机会，需要结合较全面的分析思路。
如何优化？
以下是优化该选股策略的方法：
-
加入更准确的财务指标以及公司经营情况等基本面指标，更全面地考虑股票的投资价值和未来发展潜力。
-
通过止损、止盈等方式对股票价格波动和市场因素下跌的风险进行控制，达到风险控制和资金管理的目的。
-
要兼顾短期和长期，考虑分析股票未来发展空间和行情趋势，制定科学合理的投资计划。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、今日最大跌幅＜-4且＞-5，并综合考虑其他基本面和风险控制指标进行筛选。
同花顺指标公式代码参考
以下给出筛选振幅大于1的通达信公式：AMO:=ABS(HIGH-REF(CLOSE,1)); AMC:=ABS(LOW-REF(CLOSE,1)); CM:=IF(AMO>AMC,AMO,AMC); MTR:=SUM(CM,26); VIB:SUM(MAX(HIGH-LOW,ABS(HIGH-REF(CLOSE,1))),26); MAPERIODS:=10; MA1:=MA(MTR,MAPERIODS); MA2:=MA(VIB,MAPERIODS); AMC1:=MA1/MA2;
近一个月内有过涨停可以通过通达信的自定义板块筛选功能进行实现。
今日最大跌幅＜-4且＞-5，则通过以下通达信公式进行筛选：ABS(VAR2/REF(VAR2,1)-1)<0.05*1.03*2 AND VAR2/REF(VAR2,1)<0.96 AND VAR2/REF(VAR2,1)>0.95，其中 VAR2 为最大跌幅数据。
python代码参考
from gm.api import *
set_token("your_token_here")
# 设置回测起点和终点
start_date = "2020-01-01"
end_date = "2022-01-01"
# 获取主板所有股票
symbols_all = get_symbols(exchanges=["SHSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 获取股票历史信息
info_all = history(symbol=symbols_all, frequency="1d",
start_time=start_date, end_time=end_date,
fields="symbol, amplitude, max_drawdown", df=True)
# 满足选股条件：振幅大于1，近一个月内有过涨停，最大跌幅＜-4且＞-5
cond = (info_all["amplitude"] > 1) & \
(bars_all["涨停板数"] > 0) & \
(info_all["max_drawdown"] < -4) & \
(info_all["max_drawdown"] > -5)
# 获取满足条件的股票代码
symbols_selected = list(cond[cond].index.get_level_values(0).unique())
print(symbols_selected)
该代码通过 Pandas 对象读取股票历史信息，并根据选股条件筛选出符合条件的股票代码，其中包括对最大跌幅的判断。代码可以在量化平台和本地 Python 环境中执行。
## 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。
