问财量化选股策略逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星和至少5根均线重合的股票。该选股策略同样从技术面入手，选取价格波动较大、符合酷特智能早晨之星的股票，并采用均线交叉等指标分析，筛选出至少5根均线重合的股票，以寻找强势股票。
选股逻辑分析
该选股策略与前一个选股策略相似，同样从技术面角度选股。不同的是，该选股策略针对均线进行了筛选，看涨趋势更强，同时也可以避免选择K线趋势需要进一步确认的股票。
有何风险？
该选股策略同样依赖于市场热点板块和市场情绪的推动，同时也受到均线指标容易受到市场干扰和主力操控的风险。另外，振幅较大的股票会增加股票易波动性和难度，需要谨慎考虑。
如何优化？
除了技术面指标分析，也可以引入基本面分析，结合股票动态市盈率、市净率和市销率等重要基本指标进行股票筛选。另外，可以根据风险偏好，对选股的技术指标进行分权重，综合考虑股票的整体价值。另外，可以涉及到定量风险再平衡的投资方法以平衡风险因素。
最终的选股逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星和至少5根均线重合的股票。该选股策略从技术面入手，结合价格波动、形态特点、均线趋势等因素进行选择，以寻找有上涨潜力的热点板块。
同花顺指标公式代码参考
C: K线为酷特智能早晨之星 AND 振幅>1 AND SUM(IF(CLOSE>MA(CLOSE,5),1,0),5) >= 5;
以上同花顺指标公式根据选股条件进行筛选。
Python代码参考
import tushare as ts
import pandas as pd
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code, name, industry in pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry').values.tolist():
daily_data = pro.daily(ts_code=ts_code, start_date='20210101', end_date=pd.to_datetime('today').strftime('%Y%m%d'))[['trade_date', 'open', 'high', 'low', 'close', 'vol']]
if daily_data.empty or daily_data['high'].pct_change(periods=1).nlargest(25).min() < 0.1:
continue
ma_data = pd.DataFrame({'ma{}'.format(i): daily_data['close'].rolling(i).mean() for i in [5, 10, 20, 30, 60]})
if ma_data.iloc[-1].isnull().sum() >= 2:
continue
if ma_data.iloc[-1].count() < 5:
continue
if ma_data.iloc[-1].sum() < ma_data.iloc[-2].sum():
continue
pre_close = daily_data.iloc[-2]['close']
if daily_data.iloc[-1]['close'] <= pre_close:
continue
daily_data['color'] = (daily_data['open'] <= daily_data['close']).apply(lambda x: 'red' if x else 'green')
if daily_data.iloc[-1]['color'] != 'red':
continue
# 选股成功
selected_stocks.append((name, ts_code))
return selected_stocks
该Python代码与前一个选股策略相似，引入了更多的技术指标，包括均线趋势、双均线、成交量等指标，并通过基本面分析进行风险控制。
## 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。
