问财量化选股策略逻辑
本股票策略选取以下股票：振幅大于1、500日内至少2次涨停、反包。通过综合考虑技术面和市场趋势，筛选持续走势反弹的股票。
选股逻辑分析
此选股逻辑主要以技术面为基础，筛选出振幅较大、具有趋势反弹的股票，借助市场趋势对股票的未来趋势做出判断。在反包的情况下，通过寻找股票的重心转移点，可以把握趋势反转。
有何风险？
此选股逻辑只是对股票趋势的预判，市场环境和股票走势偏离预期时有一定的风险。同时，对数据的获取和计算也存在误差的可能性，需要注意。
如何优化？
可以考虑结合基本面和其他技术指标，减小选股风险。同时，需要不断学习市场变化和技术分析方法，实时调整选股策略，避免对市场情况的过度解读。
最终的选股逻辑
振幅大于1、500日内至少2次涨停、反包。
同花顺指标公式代码参考
- 振幅公式：(high-low)/close
通达信代码：(HHV(HIGH,1)-LLV(LOW,1))/REF(CLOSE,1)
- 涨停次数公式：计算500日内涨停次数，使用 rolling() 和 sum() 函数求和
通达信代码：(HIGH / LLV(LOW, 1) > 1.099).SUM(datetime, 500) >= 2
- 反包公式：若日内最高价大于前一日收盘价，则当日收盘价大于当日开盘价；否则，当日收盘价小于当日开盘价。
通达信代码：IF(HIGH>REF(CLOSE,1), CLOSE>OPEN, CLOSE<OPEN)
python代码参考
import tushare as ts
# 定义筛选条件
amplitude_filter = 0.01
rise_stop_filter = 2
# 获取历史交易日列表
trade_cal = ts.trade_cal()
trade_days = trade_cal[trade_cal["isOpen"] == 1].sort_values(by="calendarDate", ascending=False).head(500).calendarDate.tolist()
# 获取股票列表
stock_list = ts.get_stock_basics()
# 筛选振幅、涨停满足条件的股票
selected_stocks = stock_list[(stock_list["high"] - stock_list["low"]) >= amplitude_filter * stock_list["close"]]
selected_stocks = selected_stocks[(selected_stocks["high"] / selected_stocks["low"].shift(1) > 1.099).rolling(len(trade_days)).sum() >= rise_stop_filter]
selected_stocks = selected_stocks[selected_stocks.index.get_level_values(0).astype(str).isin(trade_days)]
# 筛选反包的股票
for code in selected_stocks.index:
df = ts.get_k_data(code, start=trade_days[-1], end=trade_days[0], autype="qfq")
df["turn"] = df["close"] / df["close"].shift(1)
df["up"] = df.apply(lambda x: True if (x["high"] > x["close"] and x["close"] > x["open"]) or
(x["high"] <= x["close"] and x["close"] < x["open"]) else False, axis=1)
df["turn_shift"] = df["turn"].shift(1)
if df[df["up"] & (df["turn_shift"] > 1)][-1:].empty:
selected_stocks = selected_stocks.drop(code)
# 输出选中的股票
print(selected_stocks.index.tolist())
以上代码仅供参考，具体实现方法可以根据投资者需要和市场情况进行调整。
## 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。
