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、三连阴。
选股逻辑分析
该选股策略是基于技术面的分析，通过股票的波动性、市场活跃度和市场情绪进行挑选。振幅大于1表明股票波动性较大，连续3个交易日上涨表明市场热门，三连阴则表明股票的走势较为疲弱。
该策略在技术面上考虑较为全面，但忽略了股票的基本面信息和行业分析。
有何风险？
以下是该选股策略可能存在的风险：
- 忽略了股票的基本面因素，如公司行业和市场竞争力等；
- 选股策略可能过于依赖于技术面分析，导致对未来股价走势的预测存在不确定性。
如何优化？
为了优化该选股策略，减少风险，可以尝试以下优化：
- 加入基本面信息以综合分析股票价值；
- 加入对行业竞争力和行情走势的分析以制定更为合理的选股策略；
- 加入量化分析和其他技术指标分析，从多个方向综合分析股票的投资潜力；
- 对选股策略进行回测和优化以验证其效果。
最终的选股逻辑
根据以上的分析和优化，我们可以得到改进后的选股逻辑：
- 挑选振幅大于1，昨天有3连板和三连阴的股票；
- 选取适合的行业范围，对行业分析和市场竞争力进行综合分析；
- 综合股票的的基本面信息和量化分析；
- 对选股策略进行回测和优化。
同花顺指标公式代码参考
暂无相关指标公式，因为选股依赖于基本面信息，而非特殊的技术指标。
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.groupby('contract.symbol')['close'].apply(lambda x: sum(x.diff() < 0) >= 3).astype(int)
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。
