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、高点为两日最高。该选股策略主要考虑了股票价格波动性、价格合理性以及技术指标。
选股逻辑分析
该选股策略主要以股票价格波动性、价格合理性、技术指标为选股依据。振幅大于1反映了股票价格波动比较大，股价为18.5元则反映了股票价格的合理性。高点为两日最高则反映了股票近期价格走势及技术面情况。该选股策略主要考虑了股票价格波动性、价格合理性以及技术面等多因素。
有何风险？
该选股策略可能会忽略了股票基本面因素，如市盈率、市净率等指标。同时，选取两日最高作为高点可能会存在短期市场行情影响，存在较大波动性。此外，以股价为18.5元为选股条件较为单一，可能忽略了更多因素的影响。
如何优化？
可以加入更多的股票基本面因素，如市盈率、市净率、营收等指标，进行更全面的分析。同时，在选股逻辑中可以加入更多的技术指标，如MACD、KDJ等，进行更全面的分析。选取高点作为选股条件时，可以将时间区间加长至五日或七日，以减小短期市场行情的影响。此外，在选股逻辑中可以加入更多的条件，如换手率、流通市值等，进行更全面综合性的选股分析。
最终的选股逻辑
对于A股市场来说，选股逻辑为：振幅大于1、股价为18.5元、高点为五日最高、MACD为金叉、KDJ处于超买区。选股条件可以根据实际投资需要进行修改。
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
# 高点为五日最高
SELECT3 = HHV(HIGH, 5) == HIGH
# MACD金叉
SELECT4 = SOLID(CROSS(MACD(), MACD(12, 26, 9)), 1)
# KDJ超买
SELECT5 = KDJ(9, 3, 3)[0] > 80 and KDJ(9, 3, 3)[1] > 80 and KDJ(9, 3, 3)[2] > 80
SELECT = SELECT1 AND SELECT2 AND SELECT3 AND SELECT4 AND SELECT5
以上为计算选股逻辑的通达信指标公式。选股指标为：振幅大于1、股价为18.5元、高点为五日最高、MACD为金叉、KDJ处于超买区。可根据实际投资需求进行修改。
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A股市场所有的股票
all_stocks = [ts_code for ts_code, name, industry in pro.stock_basic(fields='ts_code,name,industry', exchange='', list_status='L').values.tolist() if name[0] != 'S' and '创业板' not in name and '科创板' not in name and '退' not in name and industry != '科创板']
# 计算选股指标并依此进行选股
selected_stocks = []
for ts_code in all_stocks:
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name,concept_name,industry,exchange,list_date,total_equity')
if all_data.empty or all_data.iloc[0]['total_equity'] == 0 or (pd.Timestamp.now() - pd.to_datetime(all_data.iloc[0]['list_date'])).days < 365:
continue
daily_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=20)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))
if daily_data.empty or daily_data['low'].iloc[-1] >= daily_data['low'].iloc[0] or daily_data['close'].iloc[-1] != 18.5 or daily_data['high'].iloc[-1] != daily_data['high'].tail(5).max():
continue
macd_data = pro.index_daily(ts_code='000001.SH', start_date=(pd.Timestamp.now() - pd.Timedelta(days=20)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))
macd_data.iloc[:, 2] = 2 * macd_data['close'].ewm(span=12, adjust=False).mean() - macd_data['close'].ewm(span=26, adjust=False).mean()
macd_data.iloc[:, 3] = macd_data.iloc[:, 2].ewm(span=9, adjust=False).mean()
if macd_data.empty or macd_data['dif'].iloc[-1] < macd_data['dea'].iloc[-1]:
continue
kdj_data = pro.index_daily(ts_code='000001.SH', start_date=(pd.Timestamp.now() - pd.Timedelta(days=20)).strftime('%Y%m%d'), end_date=pd.Timestamp.now().strftime('%Y%m%d'))
kdj_data[['k', 'd', 'j']] = kdj_data.iloc[:, 2:5].rolling(9, min_periods=0).apply(lambda x: compute_kdj(*x))
if kdj_data.empty or kdj_data['k'].iloc[-1] <= 80 or kdj_data['d'].iloc[-1] <= 80 or kdj_data['j'].iloc[-1] <= 80:
continue
money_data = pro.moneyflow(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=20)).strftime('%Y%m%d'), end_date=pd.Timestamp.now().strftime('%Y%m%d'))
if money_data.empty or money_data['buy_sm_vol'].iloc[-1] <= money_data['buy_sm_vol'].iloc[0]:
continue
selected_stocks.append((all_data.iloc[0]['pro_name'], ts_code))
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: pro.moneyflow(ts_code=x[1], trade_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))['net_mf_vol'].iloc[0]
if pd.notna(pro.moneyflow(ts_code=x[1], trade_date=(pd.Timestamp.now() - pd.Timedelta(days=2)).strftime('%Y%m%d'))['net_mf_vol'].iloc[0])
else 0, reverse=True)
return selected_stocks_sorted
def compute_kdj(high, low, close):
v1 = (3 * close + 2 * low + high) / 6
v2 = (3 * close + low + 2 * high) / 6
rsv = (close - low) / (high - low) * 100
k = 2 / 3 * pd.Series(rsv).iloc[-2] + 1 / 3 * pd.Series(50).iloc[-1]
d = 2 / 3 * pd.Series(k).iloc[-2] + 1 / 3 * pd.Series(50).iloc[-1]
j = 3 * pd.Series(k).iloc[-1] - 2 * pd.Series(d).iloc[-1]
return k, d, j
以上为Python代码实现，选股逻辑为：振幅大于1、股价为18.5元、高点为五日最高、MACD为金叉、KDJ处于超买区。可根据实际投资需求进行修改。
## 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。
