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10,三个技术指标同时金叉。
选股逻辑分析
该选股策略综合考虑了个股的高波动性、上涨趋势、技术面等因素。振幅大于1可以筛选出波动较大的股票，而单日涨幅大于等于百分之10筛选出趋势明显的股票。三个技术指标同时金叉反映个股技术面同时有较好的表现，有望继续上涨。
有何风险？
该选股策略存在以下风险：
- 选股策略忽略了公司基本面数据、盈利状况等因素，筛选结果需要进一步验证。
- 选股策略对历史表现的依赖程度较高，可能忽略了市场的变化和影响，筛选结果不够全面和灵活。
- 选股策略的技术指标选取可能不够全面和灵活，不能反映出不同时期的市场情况。
如何优化？
在基于该选股策略的前提下，可以优化的方面有：
- 加入公司基本面数据、业绩、市场竞争等因素，全面提高股票的评估精度。
- 多角度、多周期考虑技术指标的表现，提高筛选准确度和可靠性。
- 加入其他市场环境和情绪指标，如恐慌指数等，更准确地判断市场风险和趋势。
最终的选股逻辑
基于以上考虑，我们最终确定的选股逻辑如下：
- 振幅大于1。
- 近25个交易日单日涨幅大于等于百分之10。
- 三个技术指标同时金叉。
- 考虑公司基本面数据、业绩、市场竞争等因素。
- 考虑其他市场环境和情绪指标。
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 = IF(CROSS(MA(CLOSE,5), MA(CLOSE,10)) AND
CROSS(MA(CLOSE,10), MA(CLOSE,20)) AND
CROSS(MA(CLOSE,5),MA(CLOSE,20)), 1, 0);
C4 = //考虑公司基本面数据、业绩、市场竞争等因素的代码。
C5 = //考虑其他市场环境和情绪指标的代码。
SELECTOR=C1*C2*C3*C4*C5;
RESULT= SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()));
python代码参考
df = pd.read_csv('your_data.csv', index_col='date')
C1 = np.where(df['high'] - df['low'] > ta.atr(df), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) > 0.1, 1, 0)
C3 = np.where(ta.cross(df, ta.ma(df, 5), ta.ma(df, 10)) & ta.cross(df, ta.ma(df, 10), ta.ma(df, 20)) & ta.cross(df, ta.ma(df, 5), ta.ma(df, 20)), 1, 0)
C4 = //考虑公司基本面数据、业绩、市场竞争等因素的代码。
C5 = //考虑其他市场环境和情绪指标的代码。
selector = C1 * C2 * C3 * C4 * C5
result = 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。
