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,昨日股价大于250日均线。
选股逻辑分析
该选股策略综合考虑了个股的波动性、上涨趋势、技术面等因素。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；昨日股价大于250日均线可筛选出股价走势良好的个股。
有何风险？
该选股策略存在以下风险：
- 选股指标过于单一，并未考虑公司的基本面数据、金融政策等重要因素，筛选结果可能欠缺精准性和全面性。
- 选股策略对历史表现的依赖程度较高，可能忽略了市场的变化和影响，筛选结果不够全面和灵活。
- 仅考虑股价和均线的关系，无限制地追涨可能会带来较高的股价风险和交易成本风险。
如何优化？
在基于该选股策略的前提下，可以优化的方面有：
- 考虑其它技术指标，如MACD、KDJ等，以全面了解个股走势的特点和趋势。
- 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。
- 考虑交易成本、股价波动等因素，制定合理的买入、卖出策略。
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。
- 昨日股价大于250日均线。
- 考虑其它技术指标和基本面数据。
- 考虑交易成本和股价波动等因素。
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(CLOSE > MA(CLOSE,250), 1, 0);
C4 = //考虑其它技术指标和基本面数据的代码。
C5 = //考虑买入卖出策略的代码。
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(df), 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'] > ta.ma(df, 250), 1, 0)
C4 = //考虑其它技术指标和基本面数据的代码。
C5 = //考虑买入卖出策略的代码。
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。
