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，PE大于0。
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. PE大于0可以过滤出具有盈利能力的标的。
有何风险？
该选股策略存在以下风险：
- 缺乏更全面的企业基本面分析，可能会忽略标的的抗风险能力；
- 只考虑短期的涨停板情况，可能导致对标的长期价值认知不足；
- PE可能存在误判，对于高风险标的容易滋生误判。
如何优化？
为了优化该选股逻辑，可以考虑以下方案：
- 加入更全面的基本面考虑，如财务数据等；
- 增加风险控制，降低选股的风险；
- 在PE指标上加入更多约束条件，如PEG等。
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；
- PE大于0；
- 基本面综合考虑。
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)
df['PE'] = df['close'] / df['earnings'] # 求PE
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['PE'] > 0)
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。
