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、反包。该选股策略主要是通过选取振幅较大、价格适中、反包标的来寻找具有较好机会的股票。
选股逻辑分析
该选股逻辑在振幅大于1、股价为18.5元的基础上，加入反包的条件。反包是指当日收盘价比前日收盘价低，但当日最高价却比前日最高价高。该选股逻辑整合了价格、走势等因素，尽量避免单一指标产生的误判。
有何风险？
该选股策略虽然考虑了价格、走势等因素，但仍有可能存在遗漏或误判的情况。反包指标在某些情况下可能不适用，也可能存在未考虑的行情走势等风险。此外，过度追求振幅、反包等单一指标，可能会忽略其他重要指标的作用。
如何优化？
可以加入更多的筛选条件和指标，如均线、成交量等技术指标，同时加入基本面指标、宏观经济指标、行业分析等因素，以全面考虑股票的基本面和市场趋势。此外，建议设置合理的止盈、止损等风险控制措施，有效控制投资风险。
最终的选股逻辑
选股条件为：振幅大于1、股价为18.5元、反包。同时加入基本面指标、技术指标、宏观经济指标、行业分析等分析，找到有长期投资潜力和景气周期上升趋势的股票。并规定止盈、止损等风险控制措施。
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
# 反包
SELECT3 = (CLOSE < REF(CLOSE, 1)) AND (HIGH > REF(HIGH, 1))
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。REF函数为引用前一天的数据。
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():
# 判断振幅大于1、股价为18.5元
if (row['high'] - row['low']) / row['high'] <= 0.01 or row['close'] != 18.5:
continue
# 反包
if row['close'] >= row['pre_close'] or row['high'] <= row['pre_high']:
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['circ_market_cap'] = row['circ_mv']
# 可添加其他指标
selected_stocks.append(selected_data)
# 按成交额从高到低排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], 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、反包。可根据实际需求进行修改，同时可添加其他指标。
## 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。
