问财量化选股策略逻辑
高点为两日最高,涨幅<2.6且涨幅>-5,底部抬高
选股逻辑分析
这个策略的逻辑是基于股票价格的短期波动来筛选股票。首先，它要求股票在两天内达到最高价，这表明股票价格在短期内有上涨的趋势。其次，它要求股票的涨幅小于2.6，这表明股票价格的涨幅不是很大，可能还有上涨的空间。最后，它要求股票的涨幅大于-5，这表明股票价格在短期内有下跌的趋势。
有何风险？
这个策略的逻辑是基于股票价格的短期波动来筛选股票，因此它可能会忽略股票的长期趋势。此外，如果股票价格在短期内出现大幅波动，这个策略可能会选择错误的股票。
如何优化？
为了优化这个策略，可以考虑加入更多的筛选条件，例如股票的市值、市盈率等。此外，可以考虑使用更长的时间周期来筛选股票，例如一个月或三个月。
最终的选股逻辑
以下是最终的选股逻辑：
def select_stock():
# 获取所有股票的代码和价格
stock_codes = get_stock_codes()
stock_prices = get_stock_prices()
# 筛选出两天内达到最高价的股票
high_prices = stock_prices['high'].rolling(window=2).max()
high_prices = high_prices[high_prices > stock_prices['close']]
stock_codes = stock_codes[stock_codes.index.isin(high_prices.index)]
# 筛选出涨幅小于2.6且涨幅大于-5的股票
price_change = stock_prices['close'].pct_change()
stock_codes = stock_codes[price_change < 2.6]
stock_codes = stock_codes[price_change > -5]
# 筛选出底部抬高的股票
stock_prices = stock_prices['close'].diff()
stock_codes = stock_codes[stock_prices > 0]
# 返回符合条件的股票代码
return stock_codes
python代码参考
import pandas as pd
def get_stock_codes():
# 获取所有股票的代码
return pd.read_csv('stock_codes.csv')
def get_stock_prices():
# 获取所有股票的价格
return pd.read_csv('stock_prices.csv')
def select_stock():
# 获取所有股票的代码和价格
stock_codes = get_stock_codes()
## 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。
