问财量化选股策略逻辑
高点为两日最高,今日上涨>1,主板,振幅大于1
选股逻辑分析
这个策略的逻辑是基于股票的高点、今日上涨情况、主板属性和振幅大小来筛选股票。具体来说，它要求股票在最近两天的高点中是最高点，且今天股价上涨幅度大于1，同时要求这只股票属于主板市场，并且振幅大于1。这些条件的组合可以筛选出一些具有较强市场表现的股票。
有何风险？
这个策略的局限性在于它只考虑了股票的短期市场表现，而没有考虑更长期的市场趋势和公司基本面情况。因此，投资者在使用这个策略时需要谨慎，避免因为短期市场波动而做出错误的决策。
如何优化？
为了优化这个策略，可以考虑加入一些其他因素，例如公司的财务状况、盈利能力、市场份额等。这些因素可以帮助投资者更好地评估股票的价值和未来潜力，从而做出更明智的决策。
最终的选股逻辑
最终的选股逻辑如下：
def select_stock():
# 获取最近两天的高点
high_prices = get_high_prices()
# 筛选出高点为最高点的股票
high_prices = high_prices[high_prices[:, 0] == high_prices[:, 1]]
# 获取今天股价上涨幅度大于1的股票
up_movement = get_up_movement()
up_movement = up_movement[up_movement[:, 0] > up_movement[:, 1]]
# 筛选出主板市场的股票
market = get_market()
market = market[market[:, 0] == '主板']
# 筛选出振幅大于1的股票
volatility = get_volatility()
volatility = volatility[volatility[:, 0] > volatility[:, 1]]
# 将所有筛选条件组合在一起
selected_stocks = pd.merge(high_prices, up_movement, on='date')
selected_stocks = pd.merge(selected_stocks, market, on='date')
selected_stocks = pd.merge(selected_stocks, volatility, on='date')
# 返回符合条件的股票列表
return selected_stocks
python代码参考
def get_high_prices():
# 获取股票的高点数据
# ...
def get_up_movement():
# 获取股票今天的
## 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。
