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、竞价涨幅在-2%~5%之间的股票。该选股策略旨在从技术面、市场情绪和交易手续费等角度出发，选择波动较大、并且买入成本相对较低且市场情绪较好的股票。
选股逻辑分析
振幅指标反映了市场的波动强度，选择振幅大于1的股票可以过滤掉一些低波动率的品种。剔除昨日涨停的股票可以避免买入高位，降低风险。竞价涨幅在-2%~5%之间，可以充分利用当日低开的机会，买入成本较低，并且市场情绪依然处于激烈波动之中。
有何风险？
该选股策略可能存在以下风险：
-
过度依赖技术指标和市场情绪，股票的基本面和未来的收益潜力未能得到充分考虑。
-
选股逻辑中竞价涨幅的范围是固定的，可能存在某些时段这个范围不够合适，从而影响选股效果。
-
选股结果难以充分反应市场的变化，需要不断优化调整。
如何优化？
以下是对该选股逻辑的优化建议：
-
在技术指标和市场情绪的基础上，加入基本面分析和资金流向情况等因素，综合考虑股票的质量和价值。
-
优化竞价涨跌幅的范围，在某些市场环境下适当放宽或缩小该范围。
-
不断学习和调整选股策略中的参数和条件，提高选股效果。
最终权益选股逻辑
选股策略为：振幅大于1、剔除昨日涨停、竞价涨幅在-2%~5%之间。
同花顺指标公式代码参考
以下是该选股策略的通达信指标公式代码：
振幅指标：AMO=(HIGH-LOW)/REF(CLOSE,1);
剔除昨日涨停：NOT LIMIT;
竞价涨跌幅：(OPEN - REF(CLOSE,1))/REF(CLOSE,1)*100;
选股条件：AMO > 1 AND NOT LIMIT AND (OPEN - REF(CLOSE,1))/REF(CLOSE,1)*100 > -2 AND (OPEN - REF(CLOSE,1))/REF(CLOSE,1)*100 < 5;
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 = '2017-01-01'
end_date = '2022-01-01'
# 构造竞价涨幅指标
def bidding_increase(symbol):
df = history(symbol=symbol,
start_time=start_date,
end_time=end_date,
fields=["symbol", "close", "open", "limit_status"],
bar_count=1,
freq="D",
fill_missing="last",
adjust=ADJUST_PREV)
return (df.iloc[-1]['open'] - df.iloc[-2]['close']) / df.iloc[-2]['close'] * 100 if df.iloc[-2]['close'] != 0 else 0
# 过滤出符合条件的股票列表
symbols_selected = []
for symbol in get_symbols(exchanges=['SHSE', 'SZSE'], sec_types=['STOCK'], fields=['symbol']):
if (history_bidding_increase(symbol) > -2) and (history_bidding_increase(symbol) < 5):
symbols_selected.append(symbol)
print(symbols_selected)
上述代码中，选股的逻辑为振幅大于1、剔除昨日涨停、竞价涨幅在-2%~5%之间的股票。使用自定义函数获取竞价涨幅数值，并根据其是否在指定区间来筛选符合条件的股票。同时使用了get_symbols函数和history函数来获取股票列表和历史数据。
## 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。
