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,周K线上穿30周线。
选股逻辑分析
该选股逻辑挖掘了个股的波动性、上涨趋势和长期趋势，振幅大于1可筛选出波动较大的个股；近25个交易日有单日涨幅大于等于百分之10可以筛选出趋势明显、业绩较好的股票；周K线上穿30周线说明股票处于长期上涨趋势，具备持续性和潜力。
有何风险？
该选股策略存在以下风险：
- 周K线上穿30周线可能属于后知后觉的追涨行为，不能保证选出的个股上涨空间。
- 选股指标过于单一，并未考虑公司的基本面数据、金融政策影响等重要因素，筛选结果可能欠缺全面性和精准性。
- 策略的投资周期相对较长，对于短期投资者来说可能无法满足其投资需求。
如何优化？
在基于该选股策略的前提下，可以优化的方面有：
- 添加其它技术指标，如MACD、DMA等，从多方位挖掘个股的投资机会。
- 加入公司基本面数据、行业分析等因素，全面提高股票的评估精度。
- 在适当的时候加入止损限制，及时退出亏损股票，降低风险。
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。
- 周K线上穿30周线。
- 考虑公司基本面数据、行业分析等因素。
- 加入适当的止损限制。
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(LF(CLOSE,5), LF(MA(CLOSE,30),5)), 1, 0);
C4 = //考虑基本面数据、行业分析等因素的代码。
C5 = //加入适当的止损限制的代码。
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(), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) > 0.1, 1, 0)
C3 = np.where((df['close'].rolling(window=30).mean() > df['close'].rolling(window=5).mean()) & (df['close'].shift(5).rolling(window=30).mean() <= df['close'].shift(5).rolling(window=5).mean()), 1, 0)
C4 = //考虑基本面数据、行业分析等因素的代码。
C5 = //加入适当的止损限制的代码。
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。
