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、9点25分涨幅小于6%。该选股策略旨在寻找具有一定波动性、价格合适、短期有一定下跌空间的标的，适合进行短线或者操作性投资。
选股逻辑分析
该选股逻辑以振幅大于1、股价为18.5元、9点25分涨幅小于6%作为选股条件，筛选出波动性适中、价格合适、并且在当日开盘之后，短时间内有一定下跌空间的标的。该选股策略考虑了市场情况和资金流向等因素，适合进行短线或者操作性投资。
有何风险？
该选股策略在考虑了波动性、价格、以及当日开盘后的股价变化等因素后，仍然存在漏选优质标的的风险。同时，在考虑股价下跌空间时，可能会漏看重要的消息面和公司基本面的影响，存在风险。此外，选股只使用了少数指标，股市波动性大的股票有可能存在风险。
如何优化？
为避免漏选优质标的，可添加其他财务指标作为筛选条件之一，例如市盈率、市净率等。此外，可结合技术分析等工具，得出更为准确的选股结果。考虑加入趋势和波动性判断等因素，并增加对消息面和公司基本面的分析，即可提升选股准确度。
最终的选股逻辑
选股条件为：振幅大于1、股价为18.5元、9点25分涨幅小于6%。筛选出符合条件的标的进行短线或者操作性投资考虑。
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
# 9点25分涨幅小于6%
SELECT3 = (OPEN - PRE_CLOSE) / PRE_CLOSE < 0.06
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 or (row['open'] - row['pre_close']) / row['pre_close'] >= 0.06:
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']
selected_data['change_pct'] = (row['open'] - row['pre_close']) / row['pre_close']
selected_stocks.append(selected_data)
# 按成交额从大到小排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['amount'], 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、9点25分涨幅小于6%。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。
