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,高点为两日最高。
选股逻辑分析
该选股策略综合考虑了技术指标和股票走势形态，选择振幅较大，且短期内出现过高涨幅，并且最高点创下了两日新高的股票。该选股策略对于短期反弹上涨的股票有较好的筛选能力。然而，相较于综合考虑基本面的选股逻辑，该逻辑忽略了公司财务和业绩等因素，可能导致筛选出过多的投机性股票。
有何风险？
该选股策略存在以下风险：
- 忽略了公司基本面的影响，导致筛选结果偏向投机性股票。
- 对于长期走势良好但短期内出现过调整的优质公司可能会被筛选掉。
- 该逻辑过于依赖技术指标，可能没有很好的把握市场整体趋势。
如何优化？
为了提高该选股逻辑的效率和准确性，我们建议增加以下考虑：
- 结合其他技术指标，如RSI、KDJ等，进一步筛选股票，提高选股的可靠性。
- 借助大数据和人工智能等技术，收集公司财务和业绩数据，结合基本面因素进行选股。
- 根据市场整体走势进行选股，对于不同市场阶段选取合适的技术指标，例如在弱势市场中增加防御性指标等。
最终的选股逻辑
综合以上考虑，我们建议选股逻辑如下：
- 振幅大于1。
- 近25个交易日有单日涨幅大于等于10%。
- 选取两日内创下最高点的股票。
- 结合其他技术指标，如RSI、KDJ等，进一步筛选股票。
- 结合公司基本面因素进行选股。
- 根据市场整体趋势调整选股因素。
同花顺指标公式代码参考
C1 = IF(HIGH-LOW > ATR(CLOSE,20), 1, 0);
C2 = IF(HIGH-REF(HIGH, 1) > 0 AND HIGH-HIGHEST(HIGH,2)=0, 1, 0);
C3 = // 结合其他技术指标的选股策略
C4 = // 结合基本面指标的选股策略
SELECTOR = C1*C2*C3*C4;
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()));
python代码参考
import pandas_ta as ta
df = pd.read_csv('your_data.csv', index_col='date')
C1 = np.where(df['high'] - df['low'] > ta.atr(), 1, 0)
C2 = np.where((df['high'] - df['high'].shift(1) > 0) & (df['high'] == df['high'].rolling(window=2).max()), 1, 0)
C3 = // 结合其他技术指标的选股策略
C4 = // 结合基本面指标的选股策略
selector = C1 * C2 * C3 * C4
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。
