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、周线MA5金叉MA10。
选股逻辑分析
该选股逻辑同样融合了市场活跃度、市场热点和股票趋势等多种因素。振幅大于1代表股票市场活跃度高，昨天3连板则反映了该股票的市场热度，周线MA5金叉MA10则代表该股票的趋势较好，有望持续上涨。综合这些标准，可选择出具有较好表现的个股。
有何风险？
以下是该选股策略存在的风险：
- 忽视公司基本面和长期投资价值；
- 对于有些股票，在短时间内可能并没有金叉，此时如果盲目的选择，则会存在产生很大的错判概率；
- 有可能会选择一些被资金势力控制，炒作周期结束后容易出现大笔回落的个股。
如何优化？
为了优化该选股逻辑，可以考虑以下优化方案：
- 与其他选股标准结合，例如股息率、市净率等价值指标、市场份额、本益比等指标，全面评估公司的基本面和长期投资价值；
- 适当关注市场热点板块和市场趋势，以配合风格选择合适的投资标的；
- 设定合理的风控机制。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- 连续3日上涨；
- 周线MA5金叉MA10；
- 与其他选股标准结合，全面评估公司的基本面和长期投资价值；
- 设定合理的风控机制。
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", 7 * 24 * 60 * 60, data_length=300) # 获取 df 数据，周期为周K线
df = pd.DataFrame(klines)
C1 = (df['high'] - df['low'] >= 1)
C2 = df.groupby('contract.symbol')['close'].apply(lambda x: (x.shift(1) < x) & \
(x.shift(2) < x.shift(1)) & \
(x.shift(3) < x.shift(2))).astype(int)
C3 = ((df['close'] > df['close'].rolling(5).mean()) & (df['close'].rolling(5).mean() > df['close'].rolling(10).mean()) &
(df['close'].shift(1) <= df['close'].rolling(5).mean().shift(1)) & (df['close'].rolling(5).mean().shift(1) <= df['close'].rolling(10).mean().shift(1))).astype(int)
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。
