问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1
- 至少5根均线重合的股票
- 竞价涨幅在-2%至5%之间
选股逻辑分析
该选股策略主要侧重技术面指标和涨跌情况，通过挖掘技术面和市场运用中共同的涨跌因素，来更准确地判断个股是否处于阶段性相对超跌状态，同时也有一定的风险控制。
有何风险？
单纯从技术面和涨跌情况选股，可能会忽略企业基本面表现、行业发展趋势等因素，存在挑选不理想的股票的风险。同时，市场价格波动跨度比较大，风险也相应提高。
如何优化？
可以综合考虑技术面和基本面因素，设置更合理的风险控制和风险管理措施，并及时调整股票组合。同时，可以引入流通股本和市值等指标作为选股指标的补充，更好地衡量股票的投资价值。
最终的选股逻辑
综合以上因素修改后的选股逻辑为：
- 振幅大于1，市场对于波动剧烈的个股更感兴趣；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合，表示股票处于相对稳定状态；
- 竞价涨幅在-2%至5%之间，代表股票处于相对低估状态；
- 综合考虑技术面和基本面等多方面因素，衡量资产质量、盈利能力和财务结构等。
同花顺指标公式代码参考
本选股策略中没有使用到同花顺提供的指标，因此不提供公式代码参考。
python代码参考
import pandas as pd
import tushare as ts
import talib
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
is_amplitude_large = False
is_ma_converge = False
is_jjzf_valid = False
bars = ts.get_today_ticks(code)
if bars is not None and len(bars) > 1:
# 振幅大于1
is_amplitude_large = (bars['price'].iloc[-1] - bars['price'].iloc[0]) / bars['price'].iloc[0] > 0.01
# 至少5根均线重合的股票
close = bars['price'].values
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# 竞价涨幅在-2%至5%之间
jjzf = (bars['price'] - bars['pre_close']) / bars['pre_close']
is_jjzf_valid = jjzf[-1] > -0.02 and jjzf[-1] < 0.05
if is_amplitude_large and is_ma_converge and is_jjzf_valid:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['price'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], ascending=False)
## 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。
