问财量化选股策略逻辑
选股逻辑：振幅大于1、昨天有3连板、过去7个交易日收盘价均为下跌趋势。
选股逻辑分析
该选股策略主要基于股票的技术面来进行筛选，通过振幅、连板情况和连续下跌趋势，筛选出近期市场表现不佳的个股。该策略遵循短期趋势，因此对操作时机的要求较高，投资者需要结合市场情况和自身风险承受能力进行多维度的评估。
有何风险？
以下是该选股策略可能存在的风险：
- 只注重技术面分析，忽略了公司基本面的数据，有可能对选股策略造成一定影响；
- 市场波动较大，股票价格可能不稳定，选股策略的准确度可能有所下降。
如何优化？
为了降低风险，我们可考虑以下优化：
- 加入基本面数据，对公司的经营情况、市场前景等进行分析，以更全面的视角进行股票筛选；
- 加强风险管理，适时控制持仓数量和买入卖出时机；
- 可以设定止损点和止盈点，对股票进行较为准确的判断，以提高选股策略的准确性。
最终的选股逻辑
改进后的选股逻辑如下：
- 挑选振幅大于1，昨天有3连板的股票；
- 考虑过去7个交易日的收盘价，选出处于下跌趋势的优质股票；
- 在市场热点板块内优先考虑那些具有优异基本面的个股。
同花顺指标公式代码参考
由于该策略并未涉及到同花顺独有的指标，因此无需提供同花顺指标公式代码。
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", 15 * 60, data_length=300) # 取得 df 数据
df = pd.DataFrame(klines)
C1 = (df['high'] - df['low'] >= 1)
C2 = df.groupby('contract.symbol')['close'].apply(lambda x: (x.shift(1) > x.shift(2)) & \
(x.shift(2) > x.shift(3)) & \
(x.shift(3) > x.shift(4))).astype(int)
C3 = (df['close'].rolling(7).apply(lambda x: x[-1] < x.mean(), raw=True).astype(float) == 1.0)
selector = (C1 & C2 & C3).astype(int)
result = df[selector == 1].sort_values('amount', ascending=False).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。
