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、底部抬高的股票。
选股逻辑分析
底部抬高是指股价在下降趋势中反弹，反弹时底部比之前的底部高，意味着买盘逐渐增强，具有一定的买入信号。但是，抬高的程度不同，抬高过程中的交易量、形态等也需要考虑。
有何风险？
股价反弹后可能不一定能够持续上升，如何判断股价是否能够持续上升是非常关键的一点。此外，局部的抬高和真正的反转行情之间的区别比较难以把握。
如何优化？
可以结合其他指标如KDJ等进行进一步筛选，确认反弹行情的可信度。
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、底部抬高的股票。
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。底部抬高可以使用通达信公式：REF(MIN(L, REF(L, 1)), 1) > REF(MIN(L, REF(L, 1)), 2)。
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)]
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线数据判断是否底部抬高
if k_data[k_data["ts_code"]==code].tail(5)["low"].idxmin() > k_data[k_data["ts_code"]==code].tail(10)["low"].idxmin() and \
k_data[k_data["ts_code"]==code].tail(5)["low"].min() > k_data[k_data["ts_code"]==code].tail(10)["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。
