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、非ST、10点之前选股票、五部涨停战法。
选股逻辑分析
该选股逻辑主要结合市场活跃度、技术分析、市场热点和时间因素。振幅大于1是反映市场活跃度的指标之一，昨天有3连板和非ST更加表明该股票当前有一定的市场关注度。10点之前选股则是考虑市场变化瞬息万变，尽可能抢占早期机会。五部涨停战法则是技术分析中的一种方法，通过连涨五天进行选股。该选股逻辑结合了多种指标，但也有可能存在过度依赖技术分析和短期市场表现的可能。
有何风险？
以下是该选股策略存在的风险：
- 选股标准较为单一，无法全面考虑公司基本面、估值等因素；
- 技术指标可能存在一定的延迟性，导致选股结果不尽如人意；
- 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：
- 加入部分财务指标，如净资产收益率、毛利率等，作为选股的参考因素，更加综合和全面；
- 对技术指标的使用要审慎，在与其他因素综合考虑的情况下，避免盲目追求，减少市场的风险；
- 选股标准中加入低估值的选股条件，从长期角度考虑股票的价值，减少高温股票的风险。
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、非ST；
- 10点之前选股票；
- 筛选市场热点中的潜力龙头股；
- 选取近5天中，连续涨停超过5天的股票；
- 分析选股票的财务情况，并优选低估值、高成长、稳健盈利的股票。
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)
condition1 = (~df['name'].str.startswith('ST')).astype(int)
dt = pd.to_datetime(df.groupby('datetime')['datetime'].first())
condition2 = (dt.dt.hour * 60 + dt.dt.minute <= 10 * 60).astype(int)
N = 5
up_limit = df.groupby('contract.symbol')['close'].apply(lambda x: (x.pct_change() == 0).rolling(N).sum())
condition3 = (up_limit >= 5).astype(int)
selector = (C1 & C2 & condition1 & condition2 & condition3).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。
