问财量化选股策略逻辑
该选股策略包含四个条件：
- 振幅大于1；
- 至少5根均线重合；
- 近25个交易日有单日涨幅大于等于百分之10；
- 停牌的股票不考虑。
选股逻辑分析
该选股策略综合考虑了技术面和市场潜力，选出了相对强势的股票。振幅和均线可辅助判断底部抬高和支撑位等技术形态，单日涨幅可查找出有潜力的股票，停牌的股票不考虑，避免影响选股准确率。
有何风险？
该选股策略没有涉及公司基本面及市场情绪等因素，可能忽略了潜在的风险因素。同时，单一指标可能会忽略其他重要因素，导致投资风险增加。
如何优化？
为进一步提高选股策略的准确率，可以结合其他技术指标或基本面指标进行辅助分析，同时加强对市场行情和热点板块的跟踪，避免值选到已经过热的个股。可以将选股策略进一步优化细化，例如增加选择低位股票等细节，以期获得更好的投资收益。
最终的选股逻辑
综合以上分析，建议该选股策略的逻辑为：
- 振幅大于1；
- 至少5根均线重合；
- 近25个交易日有单日涨幅大于等于百分之10；
- 停牌的股票不考虑；
- 加入其他技术指标和基本面指标进行辅助筛选；
- 加强对市场行情和热点板块的跟踪；
- 可以进一步优化细化选股策略。
同花顺指标公式代码参考
无
python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_pool(start_date, end_date, low_price):
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
# 停牌的股票不考虑
if len(ts.get_k_data(code, start=start_date, end=end_date)) < 25:
continue
# 振幅大于1
bars_all = ts.get_hist_data(code, start='2021-01-01')
close = bars_all['close'].values
high = bars_all['high'].values
low = bars_all['low'].values
amplitude = (high - low) / close
if amplitude[-1] < 0.01:
continue
# 均线
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20]]))
if ma_count < 5:
continue
# 单日涨幅
pct_chg = ts.get_k_data(code, start=start_date, end=end_date)['p_change']
if pct_chg[pct_chg >= 10].empty:
continue
# 加入其他技术指标和基本面指标进行筛选
# 加强对市场行情和热点板块的跟踪
# 选出的股票加入结果中
price = close[-1]
if price < low_price[0] or price > low_price[1]:
continue
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': price, 'vol': df.loc[code]['volume']},ignore_index=True)
result = result.sort_values(by=['vol'], ascending=False)
return result
注：代码仅供参考，具体选股逻辑和细节可根据实际需求进行调整。
## 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。
