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%、昨日股价大于250日均线。该选股策略主要考虑了股票波动性、趋势性和长期移动平均线的指标，可以作为选股的参考因素之一。
选股逻辑分析
该选股逻辑中加入了昨日股价大于250日均线的条件，相对于之前的选股策略增加了长期移动平均线的指标，构建更多元化的选股因素。选股逻辑从股票走势的短期波动性、短期趋势性以及长期趋势性等方面进行了综合考虑。
有何风险？
该选股逻辑认为股票昨日价格高于250日均线的股票更有机会持续表现，但是长期的移动平均线仅仅是股票走势的一种参考，可能存在筛选出一些短期表现不佳但长期看好的股票，同时，技术指标过于依赖历史走势，忽略了股票的基本面，可能会遇到横盘股及大盘调整等市场因素无法筛选，选股范围有限。
如何优化？
在选股的过程中，可以综合考虑股票的基本面、行业特征、流动性等各项因素，避免对单一因素过于依赖。此外，可以结合机器学习等技术对选股策略进行进一步的优化和改进，提高选股的精确性和实用性。
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%、昨日股价大于250日均线、股票处于强势行情或具有高潜力性，并结合其他因素如基本面、财务情况、行业趋势等进行综合选股。
同花顺指标公式代码参考
FZ_RANGE > 1 AND LAST/LAST[1]-1 <= 0.06 AND LAST[1] > MA(C, 250)
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(C, 250)表示股票的250日均线。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
# 昨日股价大于250日均线
ma_250 = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=300)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close', freq='1D')['close'].rolling(250).mean()[0]
pre_close = 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', freq='1D').iloc[1]['close']
if pre_close <= ma_250:
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、行业趋势、流动性等进行辅助判断，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。
