问财量化选股策略逻辑
选股逻辑为：振幅大于1、股价为18.5元、10日涨幅大于0小于35。该选股策略旨在寻找波动性较大、股价适中、近期有涨幅但还未达到过高水平的标的。
选股逻辑分析
该选股逻辑通过选取振幅大于1、股价为18.5元、10日涨幅大于0但小于35的股票，筛选出一些具有一定涨幅、适中股价且波动性较大的标的。
有何风险？
该选股策略同样没有考虑标的的基本面因素、长期趋势和市场格局等因素，选股策略具有一定的盲目性和不全面性。同时，因为选股逻辑过于简单，可能会导致选出的标的潜力较为有限。
如何优化？
可以加入基本面指标、行业分析、市场趋势等综合分析，找到具有长期投资潜力和景气周期上升趋势的标的。同时，可以对选股逻辑进行优化，比如引入相对强度指标、选股区间的动态调整、加入流通市值等条件的筛选。
最终的选股逻辑
选股条件为：振幅大于1、股价为18.5元、10日涨幅大于0小于35，同时加入基本面指标、行业分析、市场趋势等综合分析，找到有长期投资潜力和景气周期上升趋势的标的。同时加入流通市值筛选、止盈、止损等风控措施。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH - LOW) / HIGH > 0.01
# 股价为18.5元
SELECT2 = CLOSE == 18.5
# 10日涨幅大于0小于35
REF_CLOSE_1 = REF(CLOSE, 1)
DIFF = (CLOSE - REF_CLOSE_1) / REF_CLOSE_1
SELECT3 = (DIFF > 0) & (DIFF < 0.35)
SELECT = SELECT1 AND SELECT2 AND SELECT3
SORT_BY = '成交额'
SORT_ASCEND = False
以上为计算选股逻辑的同花顺指标公式。
Python代码参考
import pandas as pd
import tushare as ts
def get_selected_stocks():
# 获取tushare连接
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.daily(trade_date='20220101')
# 进行选股
selected_stocks = []
for idx, row in stock_data.iterrows():
# 判断筛选条件
if (row['high'] - row['low']) / row['high'] <= 0.01 or row['close'] != 18.5:
continue
# 计算10日涨幅
close_list = stock_data.loc[idx-9:idx,'close']
ref_close = close_list.iloc[0]
diff = (close_list.iloc[-1] - ref_close) / ref_close
if diff <= 0 or diff >= 0.35:
continue
# 根据筛选条件选取标的
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
# 可添加其他指标
selected_stocks.append(selected_data)
# 按成交额从高到低排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、股价为18.5元、10日涨幅大于0小于35，同时加入基本面指标、行业分析、市场趋势等综合分析，找到有长期投资潜力和景气周期上升趋势的标的。可根据实际需求进行修改。
## 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。
