问财量化选股策略逻辑
- 资金强度由大到小
- 今日最大跌幅＜-4且＞-5
- 振幅大于1
选股逻辑分析
- 该策略通过筛选资金强度排名靠前的股票，以及今天跌幅和振幅都较大的股票，来选出可能具有较强反弹潜力的股票。
- 该策略的筛选条件相对简单，但可以有效地过滤掉一些表现不佳的股票，从而提高筛选出的股票的质量。
有何风险？
- 该策略的筛选条件可能过于简单，无法准确预测股票的未来表现。
- 该策略可能会漏掉一些表现较好的股票，从而降低投资回报率。
如何优化？
- 可以考虑加入更多的筛选条件，例如市盈率、市净率等，以更准确地预测股票的未来表现。
- 可以考虑加入技术分析指标，例如布林线、移动平均线等，以更好地判断股票的走势。
最终的选股逻辑
- 通过筛选资金强度排名靠前的股票，以及今天跌幅和振幅都较大的股票，同时加入市盈率、市净率等指标和布林线、移动平均线等技术分析指标，来选出可能具有较强反弹潜力的股票。
python代码参考
- 以下是一个简单的示例代码，用于筛选符合该策略的股票：
import tushare as ts
# 设置pro接口token
ts.set_token('your_token')
# 初始化pro接口
pro = ts.pro_api()
# 获取所有股票的代码和名称
df = pro.realtime_quotes()
# 筛选出资金强度排名靠前的股票
df = df[df['net_value'] > df['net_value'].quantile(0.95)]
# 筛选出今天跌幅和振幅都较大的股票
df = df[df['pct_chg'] < -4 and df['pct_chg'] > -5]
# 筛选出市盈率、市净率等指标和布林线、移动平均线等技术分析指标符合条件的股票
df = df[(df['pe'] < 10) and (df['pb'] < 2) and
(df['boll_upper'] < df['close']) and
(df['boll_middle'] >
## 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。
