问财量化选股策略逻辑
选股逻辑：振幅大于1，昨天连续3日涨停，500日内至少2次涨停。
选股逻辑分析
该选股逻辑主要考虑了以下几个方面：1. 振幅大于1，可以过滤出市场活跃的高热度标的；2. 昨天连续3日涨停，可以反映出市场对该标的的买入热情；3. 500日内至少2次涨停，可以反映出该标的的长期投资价值。
有何风险？
该选股策略存在以下风险：
- 过度追求涨停板数量，忽略标的长期投资价值；
- 存在板块集中风险，容易造成过度集中持仓；
- 对于高估值标的容易过度买入。
如何优化？
为了优化该选股逻辑，可以考虑以下方案：
- 结合行业分析、估值等因素，全面评估标的的价值；
- 适当考虑资金量大小、分散化等风险控制策略，降低风险；
- 加入其他交易指标如均线、KDJ等，提高其选择标的的准确性。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- 昨天连续3日涨停；
- 500日内至少2次涨停；
- 结合行业分析、估值等因素综合分析。
同花顺指标公式代码参考
该选股逻辑的通达信指标公式如下：
暂无
python代码参考
import pandas as pd
from tqsdk import TqApi, TqAuth
api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))
klines = api.get_kline_serial("SHFE.rb2101", 24 * 60 * 60, data_length=500) # 获取 df 数据, 日线为周期
df = pd.DataFrame(klines)
C1 = (df['high'] - df['low'] >= 1)
C2 = df.groupby('contract.symbol')['pct_chg'].apply(lambda x: (x.shift(1) == 9.00) & \
(x.shift(2) == 9.00) & \
(x.shift(3) == 9.00)).astype(int)
C3 = df.groupby('contract.symbol')['pct_chg'].apply(lambda x: (x > 9.00)).rolling(window=500).apply(lambda x: x.sum() > 1, raw=True)
selector = (C1 & C2 & C3).astype(int)
result = df[selector == 1].index.tolist()
## 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。
