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、买一量大于卖一量。
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，买一量大于卖一量则表明市场情绪向好。
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极端因素如公司内部、国际政治等因素；
- 可能选择不适宜的行业或股票，导致投资失败。
如何优化？
为了优化选股策略，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；
- 加入行业分析来选择具有潜力的行业和股票；
- 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。
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连板的股票；
- 限定在选出股票的行业范围内选择买一量大于卖一量的股票；
- 综合分析股票基本面信息；
- 加入量化分析和其他技术指标，综合分析股票的投资潜力。
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['bid_volume1'] >= df['ask_volume1'])
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。
