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、反包的股票。
选股逻辑分析
本策略针对技术分析中的反包信号进行筛选，认为反包信号出现后有可能会出现反转行情。但是反包信号不一定能够持续发挥作用，需要配合其他指标进行判断。
有何风险？
反包信号只是技术分析中的一个指标，需要结合其他指标进行分析。反包信号也存在判断不准确的情况，有可能会出现误判。
如何优化？
可以结合其他指标，如均线、RSI等指标进行筛选，可以根据不同的行情来进行适当的调整。
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、反包的股票。
同花顺指标公式代码参考
振幅和上市时间与之前的策略相同。反包可以使用K线数据计算，通达信代码为：REF(HHVBARS(-1, 4, 0, 0), 1) > REF(LLVBARS(-1, 4, 0, 0), 1)。
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]
for i in range(3):
# 筛选出振幅大于1、上市时间大于一年的股票
basic = pro.stock_basic(list_status='L', fields='ts_code,name,list_date')
basic = basic[basic["list_date"].apply(int).apply(lambda x: (int(today) - x) > 365)]
# 包含反包信号
stock_list = basic["ts_code"].tolist()
k_data = pro.daily(ts_code=",".join(stock_list), start_date=int(today)-365, end_date=today)
for code in stock_list:
# 使用K线数据计算反包
if (k_data[k_data["ts_code"]==code].tail(4)["high"].max() > k_data[k_data["ts_code"]==code].tail(3)["high"].max()) and \
(k_data[k_data["ts_code"]==code].tail(4)["low"].min() < k_data[k_data["ts_code"]==code].tail(3)["low"].min()):
selected_stocks.append(code)
if len(selected_stocks) >= n:
break
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。
