问财量化选股策略逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、30日平均线向上。该选股策略主要考虑市场波动性和股票走势情况，同时关注股票技术面和趋势性，以寻找具有投资价值的优质公司。
选股逻辑分析
该选股逻辑比第一个逻辑多加了30日均线向上的要求，更多关注了大盘拐点和牛市行情下的股票，提高了选股的成功率并降低了风险。要求振幅大于1，限定了股票交易的稳健性；同时开盘后的涨幅也要求不要太高，以避免短期内涨幅过大导致的回调调整。要求30日均线向上，则是关注股票走势中的短期趋势，具有较强的技术面特征。
有何风险？
该选股策略仍然忽略了一些其他因素如基本面等影响股价的因素，对于一些行业景气度较低或者公司基本面较弱的股票难以适用。同时对于长期下跌或者跌出底部的股票也不实用，需要在特定条件下选择使用。
如何优化？
需要在选股的过程中，根据不同行情和不同时期综合选股策略，同时结合财务状况、市场情况、市场流动性等因素来综合考虑。如股票走势好、基本面相对比较好，但不符合选股条件，可以转化为跟踪止损策略等。
最终的选股逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、30日平均线向上、股票处于强势行情或具有高潜力性，同时考虑其他因素如基本面、财务情况等。
同花顺指标公式代码参考
FZ_RANGE > 1 AND LAST/LAST[1]-1 <= 0.06 AND MA(CLOSE, 30) > REF(MA(CLOSE, 30), 1)
其中，FZ_RANGE表示股票振幅，LAST表示当日的收盘价，(LAST/LAST[1]-1)表示当日涨跌幅，MA(CLOSE, 30)表示当日的30日平均收盘价，REF(MA(CLOSE, 30), 1)表示昨日的30日平均收盘价。如果符合筛选条件，则将该股票加入选股池。
Python代码参考
import tushare as ts
from datetime import datetime, timedelta
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry').values.tolist():
# 振幅大于1
k_data = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=30)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,high,low')
highest_price = k_data['high'][0]
lowest_price = k_data['low'][0]
for idx, k in k_data.iterrows():
if idx > 5:
break
if k['high'] >= highest_price:
highest_price = k['high']
if k['low'] <= lowest_price:
lowest_price = k['low']
if highest_price / lowest_price <= 1:
continue
# 9点25分涨幅小于6%
tick_data = pro.tick(ts_code=ts_code[0], date=datetime.now().strftime('%Y%m%d'))
current_price = tick_data[tick_data['time'] == '09:25:00']['price'].values[0]
pre_close = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=6)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close', freq='1D').iloc[1]['close']
if current_price / pre_close >= 1.06:
continue
# 30日平均线向上
ma_data = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=50)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close', freq='1D')
ma_30_today = ma_data['close'][-30:].mean()
ma_30_yesterday = ma_data['close'][-31:-1].mean()
if ma_30_today <= ma_30_yesterday:
continue
# 判断是否为主板股票
if ts_code[1] != '主板':
continue
selected_stocks.append(ts_code[0])
return selected_stocks
以上Python代码主要利用tushare库获取股票数据，依据指定的条件进行逐个判断，最终返回符合条件的股票列表。同时对股票的基本面和行业趋势进行辅助判断，保证选股策略的稳健性和实用性。
## 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。
