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,按个股热度从大到小排序名。
选股逻辑分析
该选股策略主要关注了技术面和市场情绪因素，选中具有较高波动性和市场热度的股票进行筛选，并按个股热度从大到小排序。选股逻辑包括以下三个方面：1. 振幅大于1，关注股票波动性；2. 近25个交易日单日涨幅大于等于10%，关注股票强势表现；3. 按个股热度从大到小排序，关注市场情绪。该选股策略较为简单直接，较为注重市场情绪因素，但可能忽略了股票的其他技术面和基本面因素。
有何风险？
该选股策略存在以下风险：
- 忽略了股票的其他技术面因素，如均线、成交量等。
- 忽略了股票的基本面因素，如财务报表、行业背景等。
- 受市场情绪影响大，可能会忽略公司内部的变化和未来发展趋势。
如何优化？
针对以上风险，我们可以从以下方面对选股策略进行优化：
- 结合其他技术指标进行筛选，如均线、成交量等。
- 引入基本面因素，如财务报表、行业背景等，对公司进行综合分析。
- 在选择按个股热度排序时，可以考虑加入时间维度，比如比较过去一段时间内的热度，而不仅仅是当前热度。
- 可以结合其他策略，如龙头股选股策略、价值投资策略等，进行更加全面的选股。
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个交易日有单日涨幅大于等于百分之10。
- 引入其他技术指标如均线、成交量等。
- 引入公司基本面指标如利润、PE等。
- 按个股热度排序，考虑加入时间维度。
- 结合其他策略，如龙头股选股策略、价值投资策略等，进行更加全面的选股。
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 = // 引入其他技术指标的指标公式。
C4 = // 引入公司基本面指标的指标公式。
C5 = // 按个股热度排序，考虑时间维度的指标公式。
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 = // 引入其他技术指标的指标公式。
C4 = // 引入公司基本面指标的指标公式。
C5 = // 按个股热度排序，考虑时间维度的指标公式。
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。
