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,买一量>卖一量。
选股逻辑分析
该选股策略考虑了股票的波动性、走势趋势以及市场的供需情况。其中，不同于传统的基本面和技术面的因素，市场的供需关系对于股票的价格也有一定的影响，因此选股逻辑更全面地考虑了市场因素，具有一定实用性。
有何风险？
该选股逻辑存在以下风险：
- 买一量和卖一量很容易被人为操纵，在一些极端的情况下，可能会因此选到不理想的股票。
- 该选股逻辑的市场因素难以全面、定量地评估，可能导致选入的股票与实际预期不符。
如何优化？
为了提高该选股逻辑的效率和筛选能力，我们建议增加以下考虑：
- 除了买一量和卖一量之外，可以加入其他市场因素如资金流向、大宗交易等来全面考虑股票市场的供需关系。
- 在市场因素的选股因素之外，继续融入技术指标和基本面因素进行多角度考虑。
- 根据股票市场情况对选股因素的比重进行合理调整，降低市场因素的权重，增加其他因素的考虑。
最终的选股逻辑
综合以上考虑，我们建议选股逻辑如下：
- 振幅大于1。
- 近25个交易日有单日涨幅大于等于百分之10。
- 在市场因素的选股因素之外，继续融入技术指标和基本面因素进行多角度考虑，如MACD指标、ROE等。
- 根据股票市场情况对选股因素的比重进行合理调整。
同花顺指标公式代码参考
C1 = IF(HIGH-LOW > ATR(CLOSE,20), 1, 0);
C2 = IF(HIGH-REF(HIGH, 1) > 0 AND HIGH-HIGHEST(HIGH,25)=0,1,0);
C3 = // 结合技术指标的选股策略
C4 = // 结合基本面因素的选股策略
C5 = IF(BUYVOL > SELLVOL, 1, 0);
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(), 1, 0)
C2 = np.where((df['high'] - df['high'].shift(1) > 0) & (df['high'] == df['high'].rolling(window=25).max()), 1, 0)
C3 = // 结合技术指标的选股策略
C4 = // 结合基本面因素的选股策略
C5 = np.where(df['buy_volume'] > df['sell_volume'], 1, 0)
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。
