问财量化选股策略逻辑
选股逻辑：振幅大于1，昨天3连板，股价为18.5元。
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；
- 股价为18.5元可以过滤出具备一定交易量的标的。
有何风险？
该选股策略存在以下风险：
- 单一指标选股策略存在局限性，其他重要指标可能被忽略；
- 股价过于固定化，可能放弃其他优秀标的；
- 如果市场整体走势不明朗，短期内的个股表现难以准确预测。
如何优化？
为了优化该选股逻辑，可以考虑以下方案：
- 结合其他技术指标进行综合考虑，如MA、MACD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；
- 股价为参考因素之一，需要结合其他价值特征进行分析。
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；
- 股价在区间[17.5,19.5]之间；
- MA5、MA20金叉。
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 C>=17.5 AND C<=19.5
AND CROSS(MA(C,5),MA(C,20),1)
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['close'] >= 17.5) & (df['close'] <= 19.5)
C4 = (df['ma5'] > df['ma20']) & (df['ma5'].shift(1) < df['ma20'].shift(1))
selector = (C1 & C2 & C3 & C4).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。
