问财量化选股策略逻辑
高点为两日最高,振幅大于1,大单净量排行
选股逻辑分析
这个策略的逻辑是基于股票价格波动和成交量变化来筛选股票。首先，选择两天内股票的最高价，这可以反映股票价格的短期波动。其次，选择股票振幅大于1，这可以反映股票价格波动的强度。最后，选择大单净量排行，这可以反映股票成交量的变化情况。
有何风险？
这个策略的潜在风险包括市场风险、技术分析风险和交易成本风险。市场风险是指股票市场的波动性，可能会导致策略的收益无法达到预期。技术分析风险是指对股票价格和成交量的分析可能存在误差，导致策略的准确性降低。交易成本风险是指交易过程中产生的费用和税收，可能会降低策略的收益率。
如何优化？
为了优化这个策略，可以考虑以下几点：
- 选择更短的时间周期来计算高点和振幅，以反映更短时间内的市场波动。
- 使用更多的技术指标来分析股票价格和成交量，以提高策略的准确性。
- 考虑加入其他因素，如股票的市值、市盈率等，以提高策略的全面性。
最终的选股逻辑
import talib
def get_top_gainers():
# 获取所有股票的收盘价和成交量数据
prices = get_prices()
volumes = get_volumes()
# 计算股票的振幅和大单净量
highs = prices['high']
lows = prices['low']
closes = prices['close']
volumes = volumes['volume']
open_prices = prices['open']
close_prices = prices['close']
upper_bands = talib.BBANDS(closes, timeperiod=14, upperband=2, middleband=1, lowerband=0)
upper_bands = upper_bands['upper']
lower_bands = lower_bands['lower']
upper_bands = upper_bands - lower_bands
upper_bands = upper_bands * 2
upper_bands = upper_bands / 2
lower_bands = lower_bands * 2
lower_bands = lower_bands / 2
upper_bands = upper_bands - open_prices
upper_bands = upper_bands / open_prices
## 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。
