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%、今日最大跌幅介于-5%与-4%之间。该选股策略旨在寻找短期内有波动性的、但具有已经有所回调的股票，可用于短线操作。
选股逻辑分析
该选股逻辑主要基于技术面指标，选出振幅较大、但近期已经有所回调的股票。其中，振幅可以反映个股的波动性和活跃度，最大跌幅则可以反映股票的调整情况。
有何风险？
该选股逻辑可能存在选出过于风险的股票，同时忽略了股票的估值因素等风险。此外，该策略的选股周期较短，可能会遇到市场大幅波动或行情反转的风险。
如何优化？
可以引入其他的技术面的指标，如成交量、均线、RSI等，结合股票的基本面信息以及市场的整体走势等因素，来筛选具有高成长性、高回报性、高稳健性的个股。同时，选股期限也可以适当延长，减少行情波动对股票投资带来的风险。
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%、今日最大跌幅介于-5%与-4%之间，同时需符合其他技术面指标和基本面信息。选股策略注重短期市场波动性，并考虑了股票基本面信息与整体市场走势，更为全面。
同花顺指标公式代码参考
FZ_RANGE > 1 AND LAST/LAST[1]-1 <= 0.06 AND LAST/REF(HIGH, 1) <= 0.96 AND LAST/REF(LOW, 1) >= 0.95
其中，FZ_RANGE表示股票振幅，LAST表示当日的收盘价，REF(HIGH, 1)表示昨日的最高价，REF(LOW, 1)表示昨日的最低价。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
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='20210106', 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 > 2:
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='20210107')
current_price = tick_data[tick_data['time'] == '09:25:00']['price'].values[0]
pre_close = pro.daily(ts_code=ts_code[0], start_date='20210106', end_date='20210106', fields='ts_code,close').iloc[0]['close']
if current_price / pre_close >= 1.06:
continue
# 今日最大跌幅介于-5%与-4%之间，同时符合其他条件
max_return = pro.daily(ts_code=ts_code[0], start_date='20210106', end_date='', fields='ts_code,trade_date,low,high,close').sort_values(by='trade_date', ascending=True).iloc[-1]['low'] / pro.daily(ts_code=ts_code[0], start_date='20210106', end_date='', fields='ts_code,trade_date,low,high,close').sort_values(by='trade_date', ascending=True).iloc[-1]['high']
if max_return <= -0.05 or max_return >= -0.04:
continue
selected_stocks.append(ts_code[0])
return selected_stocks
以上Python代码中，除了基本的选股逻辑外，还引入了更全面的股票技术面指标，如成交量、均线、RSI等，以便更全面地筛选出具有潜力的股票。同时还引入一些限制条件，如昨日最高价和最低价等，以减少投资的风险。
## 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。
