问财量化选股策略逻辑
选股逻辑：振幅大于1，昨天3连板，现量大于1万手，高开。
选股逻辑分析
该选股逻辑主要从以下几个方面考虑：
- 振幅大于1可以过滤出市场活跃的高热度标的；
- 昨天3连板可以反映出市场对该标的的买入热情；
- 现量大于1万手也是一个参考指标，用于判断是否有大量资金进入；
- 高开则可以参考市场风向，例如当市场整体趋势偏向向上时，高开可以反映出买方的强势信号。
有何风险？
该选股策略存在以下风险：
- 存在虚高现象，即因为大量买方的进场，导致股价带动性增高，难以准确预测走势；
- 当市场整体走势不确定时，高开可能反映出的只是短期的价格波动，不具有较大参考价值；
- 现量大于1万手有较大的主观判断，需要结合市场环境进行分析，可能存在误判。
如何优化？
为了优化该选股逻辑，可以考虑以下方案：
- 结合其他量价指标进行综合考虑，例如OBV、成交量等；
- 考虑市场整体走势，如果整体偏向下跌，可以加入短空信号进行筛选；
- 结合市场板块进行筛选，参考板块热度等因素。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- 昨天3连板；
- 现量大于1万手；
- 开盘高于昨收；
- OBV大于0；
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：
FILTER(ABS((HIGH-LOW)/REF(C,1))>=0.01
AND REF(C,1)<REF(C,2)
AND REF(C,2)<REF(C,3)
AND VOL>10000
AND OPEN>REF(C,1)
AND OBV>0
AND MARKET = SH), 0)
python代码参考
import pandas as pd
from tqsdk import TqApi, TqAuth
api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))
symbol_list = ["SHFE.rb2101", "DCE.i2101"]
for symbol in symbol_list:
klines = api.get_kline_serial(symbol, 24 * 60 * 60, data_length=500)
df = pd.DataFrame(klines)
C1 = (df['high'] - df['low'] >= 0.01 * df['close'].shift(1))
C2 = (df['close'].shift(1) < df['close'].shift(2)) & (df['close'].shift(2) < df['close'].shift(3))
C3 = (df['volume'] >= 10000)
C4 = (df['open'] > df['close'].shift(1))
C5 = (df['obv'] > 0)
selector = (C1 & C2 & C3 & C4 & C5).astype(int)
result = df[selector == 1].sort_values(by='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。
