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，近25个交易日有单日涨幅大于等于百分之10。该选股策略的目的是挑选出有较大上涨潜力的股票，以进行投资。
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，近25个交易日有单日涨幅大于等于百分之10。这三个条件都是主要着眼于股票的上涨特征，考虑到有一些股票具有短期大幅上涨的可能性，该选股策略重点从这些股票中进行选取。
有何风险？
该选股策略可能存在以下风险：
-
基于单普日涨跌幅的判断存在主观性，股票的上涨趋势很可能并不持续。
-
同样，短期的大幅上涨可能代表了高位振荡或未来下跌的风险。
如何优化？
以下是对该选股策略的优化建议：
-
可以结合其他技术指标，如RSI、MACD等，综合判断股票的走势以确定投资潜力。
-
可以在基础条件的基础上加入公司基本面评估，以更好地评估股票的投资价值。
-
考虑串联多个指标更好的指导投资决策。
最终的选股逻辑
选股策略为：振幅大于1，剔除昨日涨停，近25个交易日有单日涨幅大于等于百分之10。在此基础上，加入技术指标和公司基本面评估，以更全面地评估股票的投资价值。
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
SUM(IF(ABS((CLOSE - REF(CLOSE, 1))) / REF(CLOSE, 1) >= 0.1, 1, 0), 25) >= 1
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['turnover_rate'].iloc[-1] > 0.2):
diff = (df['close'] - df['close'].shift(1)) / df['close'].shift(1)
if (diff.iloc[-25:] > 0.1).sum() > 0:
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，近25个交易日有单日涨幅大于等于百分之10的完整代码。同时加入了RSI、MACD等技术指标以及公司基本面评估的考虑，以更全面的视角来综合研究股票的投资价值。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。
