问财量化选股策略逻辑
选股逻辑：振幅大于1,近25个交易日有单日涨幅大于等于百分之10,10天内涨停天数大于2。
选股逻辑分析
该选股策略主要考虑了价格波动和短期向上趋势，加入了涨停板的判断条件，可以选择出具有一定上涨趋势、较为活跃的股票。该策略简单易懂，但覆盖面相对较窄，具有一定的风险。
有何风险？
该选股策略存在以下风险：
- 仅仅关注短期上涨趋势，选取的股票品质和长期发展潜力缺乏考虑，存在投资风险；
- 追击热点，盲目追涨，盈亏比低，容易获得小幅收益，但同时也会面临着极高频率的亏损；
- 样本窄，存在选取样本不够全面和代表性的情况；
- 增加了对涨停板的判断条件，但忽略了跌停板等其他因素的影响，选股策略有待完善。
如何优化？
为了缓解以上风险，可以进行以下优化：
- 适当增加基本面指标，从公司价值和发展潜力两个角度对股票进行筛选，保证投资品质；
- 增加更多的技术分析指标，如成交量、K线形态，从更多方面加深股票趋势的理解和分析；
- 充分考虑市场大环境因素和板块热度对选股的影响，防止盲目跟风。
最终的选股逻辑
据此，我们最终确定的选股逻辑为：
- 振幅大于1；
- 近25个交易日内有单日涨幅大于等于百分之10；
- 10天内涨停天数大于2；
- 适当加入股票市值、盈利能力等基本面指标；
- 适当加入成交量、K线形态等技术分析方面的指标；
- 同时考虑市场大环境因素和板块热度。
同花顺指标公式代码参考
C1 = IF(HIGH-LOW > ATR(CLOSE,20), 1, 0);
C2 = IF(ABS((CLOSE-REF(CLOSE,1))/REF(CLOSE,1)) > 0.1, 1, 0);
C3 = COUNT(IF(HIGH==LOW AND REF(LOW,1)<LOW, 1, 0), 10) >= 2 ? 1 : 0;
C4 = // 增加基本面指标；
C5 = // 增加技术分析指标；
SELECTOR = C1*C2*C3*C4*C5;
RESULT= SORT_RANK(SELECTOR, DESCEND(HEAT));
python代码参考
import pandas as pd
import numpy as np
import talib as ta
df = pd.read_csv('your_data.csv', index_col='date')
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 20), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) > 0.1, 1, 0)
C3 = np.where(df['high'].rolling(10).apply(lambda x: sum(x == x[0]) == len(x)) > 2, 1, 0)
C4 = // 增加基本面指标；
C5 = // 增加技术分析指标；
selector = C1 * C2 * C3 * C4 * C5
result = df.sort_values(by='heat', ascending=False).index[np.argsort(np.argsort(selector))]
## 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。
