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，近一个月内有过涨停。该选股策略的目标是找到近期表现良好的股票。
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，近一个月内有过涨停。该策略的目的是找到近期表现好的股票，但忽略了其他重要因素，如基本面和财务等。
有何风险？
该选股策略可能存在以下风险：
-
忽略了其他重要因素，如财务和基本面，可能导致选到近期涨停的股票，并不能保证长期的股票投资价值及收益。
-
近期涨停可能是短期的市场波动或其他外部因素的影响，并不代表股票本身的价值；盲目追涨可能会付出代价。
如何优化？
以下为对该选股策略的优化建议：
-
加入基本面、财务和估值因素作为选股的综合考虑因素。这些信息可以从财报数据以及财经新闻中获取。
-
加入股价趋势和技术指标分析，以判断股票短期涨跌趋势。
-
建立严格的止损策略，对选股结果进行风险管理，以降低投资风险。
最终的选股逻辑
选股策略为：振幅大于1，剔除昨日涨停，加入基本面、财务和估值的筛选，综合考虑股票短期的技术面表现和股价趋势，建立严格的止损策略以降低风险。
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 (IFDAY(CLOSE, 22) = 0 AND IFDAY(CLOSE, -1) = 1 AND BARSLAST(CLOSE > HIGHEST(CLOSE, 22)) < 22)
该公式基于选股逻辑中的三个条件进行筛选，包括振幅大于1、剔除昨日涨停，近一个月内有过涨停。
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')
# 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['close'] > df['close'].rolling(window=22).max()).any()) and
(df['close'].iloc[-23] == df['close'].rolling(window=22).max().iloc[-23])):
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_Limit, position_effect=PositionEffect_Open,
price=get_last_n_minute_bars(symbol=symbol, window=1, count=1, fields='close')['close'][0])
以上代码为选股逻辑为：振幅大于1，剔除昨日涨停，加入基本面、财务和估值的筛选、综合考虑股票短期的技术面表现和股价趋势、以及风控策略的加入，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。
