问财量化选股策略逻辑
本选股策略选取振幅大于1、上市时间大于一年、当日早上9点25分涨幅小于6%的股票。
选股逻辑分析
振幅大于1可以筛选出市场活跃性较强的股票，上市时间大于一年可以筛选出稳定的股票。早上9点25分涨幅小于6%可以筛选出近期表现较为平稳的股票。
有何风险？
同样面临对股票基本面等因素的忽略的风险。同时，仅考虑早盘涨幅可能导致漏选一些尾盘暴涨的个股。此外，振幅、涨幅等市场数据的实时性可能存在一定差异。
如何优化？
可以在股票基本面和技术面上加入其他筛选条件。比如，可以加入市盈率、市净率等基本面指标来筛选股票；加入RSI、MACD等技术指标来筛选股票。同时，可以考虑增加其他时段的涨幅、振幅等指标，例如盘中涨幅等。
最终的选股逻辑
本选股策略选取振幅大于1、上市时间大于一年、当日早上9点25分涨幅小于6%的股票。
同花顺指标公式代码参考
振幅：
VAR1:=(ABS(HIGH-LOW)/REF(CLOSE,1))*100;
VAR1>1
上市时间：
DATEDIFF(LISTDATE,TODAY)>365
早盘涨幅：
(LAST>OPEN) AND (LAST/OPEN-1)<0.06
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
# 筛选出市值前10%的股票
stock_heat = pro.query('top_list', ts_code='', trade_date=today, list_date='',
market_type='', publisher='', fields='ts_code,name,mktcap')
stock_heat = stock_heat.sort_values(by=['mktcap'], ascending=False)
stock_heat = stock_heat.iloc[:int(len(stock_heat) * 0.1), :]
for code in stock_heat["ts_code"]:
if len(selected_stocks) >= n:
break
quote_info = pro.query('daily', ts_code=code, start_date=int(today), end_date=int(today), fields='open,close,high,low')
if len(quote_info) < 1:
continue
# 振幅大于1
var1 = (abs(quote_info["high"][0] - quote_info["low"][0]) / quote_info["close"][0]) * 100
if var1 <= 1:
continue
# 上市时间大于一年
stock_info = pro.query('stock_basic', ts_code=code, fields='list_date')
stock_list_date = stock_info['list_date'].values[0]
if int(today) - int(stock_list_date) < 365:
continue
# 9点25分涨幅小于6%
minute_info = pro.query('bar', ts_code=code, freq='1min', start_date=int(today), end_date=int(today), fields='open,last')
if len(minute_info) >= 1:
# 处理停牌的情况
change = (minute_info.iloc[-1]["last"] / minute_info.iloc[0]["open"]) - 1
if change >= 0.06:
continue
selected_stocks.append(code)
if len(selected_stocks) >= n:
break
return selected_stocks
## 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。
