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,现量大于1万手.高开。
选股逻辑分析
该选股策略考虑了价格波动、短期向上趋势、成交量、以及高开的因素，通过多个条件筛选出一些在较短时间内持续上涨动能强劲、成交活跃，同时表现出高开态势的股票。该策略能够较好地挖掘出较短时间内的热点行情，但相对仅关注近期的市场成交情况，忽略了基本面等长期因素的影响。
有何风险？
该选股策略存在以下风险：
- 选股条件过于苛刻，可能难以得出较大的股票池，从而无法涵盖更多的潜在优质股票；
- 只考虑了较短时间内的市场成交情况，可能需要灵活地应对市场波动和多变的情况；
- 当市场趋势发生变化时，该选股策略可能会滞后于市场走势，建议及时更新调整选股条件。
如何优化？
为了缓解上述风险，可以考虑进行以下优化：
- 在价格、成交量等选股条件的基础上，引入一些基本面指标或数据，降低短期因素对选股决策的影响；
- 选择更具有代表性、全面性的指标和数据，使选股策略具有更大的普适性和时效性；
- 设定较为灵活的选股条件，避免过于苛刻的限制；
- 定期更新和调整选股条件，尤其是在市场趋势发生变化时，及时调整策略，以适应不同的市场情况。
最终的选股逻辑
综上，我们最终确定的选股逻辑为：
- 振幅大于1；
- 近25个交易日内有单日涨幅大于等于百分之10；
- 现量大于1万手；
- 当日开盘价比前收盘价高；
- 加入股票的基本面指标或数据；
- 设定较为灵活的选股条件，以适应不同的市场变化。
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>=10000,1,0);
C4 = IF(OPEN>CLOSE[1],1,0);
C5 = // 加入股票的基本面指标或数据；
SELECTOR = C1*C2*C3*C4*C5;
RESULT = SORT_RANK(SELECTOR,DESCEND(HEAT));
python代码参考
import pandas as pd
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 = np.where(df['volume'] >= 10000, 1, 0)
C4 = np.where(df['open'] > df['close'].shift(1), 1, 0)
C5 = // 加入股票的基本面指标或数据；
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。
