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,昨日成交额大于6千万。
选股逻辑分析
该选股策略主要关注股票的技术面和流动性方面。其中，振幅大于1和近25个交易日有单日涨幅大于等于百分之10都是从技术面考虑，而昨日成交额的限制是从流动性方面考虑，能够避免因为成交量过小导致卖出时盈亏不明显的情况。然而，该选股策略仅仅只考虑了股票的技术面和流动性方面，忽视了股票的基本面，存在选择低质股票的风险。
有何风险？
该选股策略存在以下风险：
- 忽视了股票的基本面，可能会选择低质量的股票。
- 忽略了一些可以考量的技术指标，使选股的效果不够理想。
- 对于成交额的要求过高，使得可能会过滤掉一些成长性较好的股票。
如何优化？
针对以上风险，我们可以从以下方面进行优化：
- 对选股逻辑增加基本面因素的考虑。
- 加入更多的技术指标，更加全面地考虑股票的技术面。
- 对成交额限制进行更加灵活的设置，使得同时能考虑流动性和成长性。
最终的选股逻辑
据此，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。
- 昨日成交额大于4千万。
- 考虑股票的基本面，如PE、PB等因素。
- 对技术指标的考虑更加全面，如MACD等。
- 考虑流动性，如成交量等因素。
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(VOL > 60000000, 1, 0);
C4 = // 考虑股票的基本面的代码，如PE、PB等因素。
C5 = // 对技术指标的考虑更加全面，如MACD等指标。
C6 = // 考虑流动性的代码，如成交量等因素。
SELECTOR = C1*C2*C3*C4*C5*C6;
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(df, 20), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) > 0.1, 1, 0)
C3 = np.where(df['volume'] > 60000000, 1, 0)
C4 = // 考虑股票的基本面的代码，如PE、PB等因素。
C5 = // 对技术指标的考虑更加全面，如MACD等指标。
C6 = // 考虑流动性的代码，如成交量等因素。
selector = C1 * C2 * C3 * C4 * C5 * C6
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。
