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%、收盘价大于昨日的最低价。该选股策略主要考虑市场波动性和股票走势情况，同时关注股票的强势和潜力，以寻找具有投资价值的优质公司。
选股逻辑分析
该选股逻辑主要考虑短期市场波动性和股票走势情况，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。要求收盘价大于昨日的最低价，也体现了股票在整个交易日中的表现，具有较强的库存积压和抄底机会。
有何风险？
该选股策略忽略了一些其他因素如基本面和长期趋势等影响股价的因素，对于一些行业景气度较低或者公司基本面较弱的股票可能难以适用。同时，该选股策略对于热门股票的选择也比较困难，因此不得不结合其他指标进行综合判断。
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，但其他指标不满足，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%、收盘价大于昨日的最低价、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 LAST >= LOWEST[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，LOWEST[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
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
# 收盘价大于昨日的最低价
daily_data = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=2)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close,low', freq='1D')
if daily_data['close'].iloc[-1] <= daily_data['low'].iloc[-2]:
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。
