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、昨日成交额大于6千万。
选股逻辑分析
该选股逻辑结合了市场活跃度、市场热点和技术分析等多个因素。振幅大于1是反映市场活跃度的指标之一，昨天有3连板能够有效反应股票的市场表现，昨日成交额大于6千万则代表市场资金热度的体现。该选股逻辑多因素结合，但缺乏对公司基本面的考虑和长期的投资价值分析。
有何风险？
以下是该选股策略存在的风险：
- 过分关注短期市场表现，有可能忽视公司基本面和长期投资价值；
- 行情波动剧烈或资金流动性波动大的情况下，选股标准可能不再适用；
- 短期高温股票的风险较高，可能存在超买现象。
如何优化？
为了优化该选股逻辑，可以考虑以下优化方案：
- 在振幅大于1、昨天有3连板、昨日成交额大于6千万的基础上加入选股标准，例如优秀的公司基本面、低估值的选股条件等因素，全面度量股票的价值潜力；
- 加入其他行情指标，如市场涨跌幅度、资金流入流出等，尽可能完整分析市场投资环境；
- 引入合理的风控机制，控制仓位风险、盈利风险等，避免因短期表现而忽视长期价值。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- 昨天有3连板、昨日成交额大于6千万；
- 加入选股标准，如公司基本面、低估值等，全面分析股票的价值；
- 加入其他行情指标，如市场涨跌幅度、资金流入流出等；
- 合理设置风控机制，控制仓位风险、盈利风险等。
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=300) # 获取 df 数据，周期为日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.shift(2)) & \
(x.shift(2) > x.shift(3))).astype(int)
C3 = (df['volume'] >= 60000000).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。
