问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、酷特智能早晨之星。此选股逻辑综合了价格波动、市场情绪和技术指标，旨在找到表现强劲的个股。
选股逻辑分析
该选股逻辑中综合考虑了价格波动、市场情绪和技术指标等多个因素，对于股票选取具有相对较为全面的考虑。其中，早晨之星是一种经典的技术指标，能够对股票走势进行研判和预测。因此，该选股逻辑的综合性比较高。
有何风险？
该选股逻辑可能存在以下风险：
-
忽略了公司基本面和行业因素，不能对股票的长期发展进行全面考虑。
-
选股条件过于苛刻，导致筛选出的股票数量较少。
-
对于技术指标的过度依赖，有可能失去对真实市场的判断。
如何优化？
以下是针对该选股逻辑的优化方法：
-
结合公司基本面和行业因素来综合考虑。
-
对于选股条件要求，可以设置更加宽松的标准，有助于筛选更多符合条件的股票。
-
在选股的过程中，要持续关注市场和行业的走势，及时调整选股策略。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、酷特智能早晨之星、市盈率小于 15、行业为制造业。此选股策略在原有选股策略基础上，加入行业因素和市盈率因素，更加全面地考虑了股票的基本面和行业发展等因素。
同花顺指标公式代码参考
- 振幅：(高点 - 低点) / REF(收盘价, 1)
- 早晨之星：IF((REF(CLOSE, 1) > REF(OPEN, 1)) AND (CLOSE > OPEN) AND (LOW < REF(LOW, 1)), 1, 0)
- 市盈率：PE
- 行业：INDUSTRY("制造业")
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 = "2020-01-01"
end_date = "2022-01-01"
# 获取深证主板所有股票
symbols_all = get_symbols(exchanges=["SZSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
morning_star_cond = "IF((REF(CLOSE, 1) > REF(OPEN, 1)) AND (CLOSE > OPEN) AND (LOW < REF(LOW, 1)), 1, 0)"
pe_cond = {"$gte": 0, "$lte": 15}
industry_cond = {"$eq": "制造业"}
# 构建排序条件
sort_cond = [("hot_rank", 1)]
# 构建选股查询条件
cond = {"$and": [amplitude_cond, limit_up_cond, {"morning_star_cond": 1}, {"PE": pe_cond},
{"INDUSTRY": industry_cond}]}
# 获取符合条件的股票历史信息
data = query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=["symbol", "hot_rank", "morning_star", "PE", "close", "industry"],
filter=cond,
data_type=2,
sort=sort_cond
)
# 选取前100名
data = data[:100]
# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
通过 Query API 查询股票历史信息，并根据选股条件筛选出符合条件的股票代码，并按个股热度排序。代码可以在量化平台和本地 Python 环境中执行。
## 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。
