问财量化选股策略逻辑
选股逻辑为：振幅大于1，按个股热度从大到小排序名，近一个月内有过涨停。将选股逻辑作为第一个标题放入段落中。
选股逻辑分析
该选股策略的逻辑如下：
- 振幅大于1：表示该股票市场交易活跃度较高；
- 按个股热度从大到小排序：表示选股的股票具有一定的市场认可度和投资价值，存在较高的投资机会；
- 近一个月内有过涨停：表示该股票存在较大的市场情绪，具有一定的投资机会。
综合以上条件，可以选择符合条件的股票具有一定的投资价值和潜力，但同时存在一定的风险。
有何风险？
该选股策略可能存在以下风险：
- 涨停板数量和周期存在一定的不确定性，难以准确反映股票的投资风险；
- 该选股策略忽略了股票的基本面因素，可能存在一定的投资风险；
- 振幅和个股热度指标可能存在一定的主观性，难以准确反映股票的投资价值。
如何优化？
为了提高选股的准确性和降低风险，可以从以下方面进行优化：
- 引入更为客观的指标或因子进行选股分析，例如财务指标、技术指标、市场因素等；
- 采用多因子模型综合分析股票的基本面因素和市场情况，提高选股的准确性和稳定性；
- 加强对市场的研究和分析，提高选股的主动性和及时性，降低风险。
最终的选股逻辑
综合以上分析和优化，我们最终的选股逻辑为：根据振幅大小、个股热度和近一个月内涨停等多个因素选出具有投资潜力和长期成长性的股票，并进行相应的买入操作。在买入操作时，注意市场波动并设立风险控制策略。
同花顺指标公式代码参考
该策略可引入以下指标进行辅助分析：
- 振幅指标：
振幅：
((HIGH-LOW)/REF(CLOSE,1)) > 0.01
- 个股热度指标：
个股热度指标：
SORT_BY_DESC(stock_heat)
- 近一个月内涨停指标：
近一个月内涨停：
C > YESTERDAY(MAX(O, YESTERDAY(C))))
- 组合筛选条件：
筛选获得符合条件的股票：
(((HIGH-LOW)/REF(CLOSE,1)) > 0.01) AND SORT_BY_DESC(stock_heat) AND
(C > YESTERDAY(MAX(O, YESTERDAY(C))))`
python代码参考
# 振幅指标
amplitude = (high - low) / ref(close, 1)
amplitude_filter = amplitude > 0.01
# 个股热度指标
stock_heat = sort_by_desc(stock_heat)
# 近一个月内涨停指标
c_max_last_month = roll_max(C, 20)
previous_c_max_last_month = ref(c_max_last_month, 1)
previous_c_max_last_month[0] = c_max_last_month[0]
has_limit_up = (C >= previous_c_max_last_month) & (ref(C, 1) < previous_c_max_last_month)
# 组合筛选条件
final_filter = amplitude_filter & stock_heat & has_limit_up
# 选股
selected_stocks = get_fundamentals(query(
valuation.code, valuation.pe_ratio, valuation.pb_ratio, income.net_profit_ratio,
indicator.ma10, indicator.turnover_ratio
).filter(
valuation.pe_ratio < 20,
valuation.pb_ratio < 3,
income.net_profit_ratio > 0.1,
final_filter,
).order_by(
stock_heat.desc()
).limit(
10
), date=None)
注意：以上代码仅为参考，具体实现时需要根据实际数据情况进行适当修改。
## 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。
