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、当日收盘价在Bollinger Bands的upper值和mid值之间的股票。
选股逻辑分析
选择振幅大于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。Bollinger Bands指标可以评估股票的波动性和价格走势。
有何风险？
选择热点股票容易过度追涨，同时涨停股票有一定的炒作成分，存在较大的风险。另外，Bollinger Bands指标只能反映历史价格走势，不能保证未来走势。
如何优化？
可以加入其他技术指标作为选股条件，如MACD、RSI等指标，以更加全面地评估股票。另外，在热点股票中适当根据技术面以及基本面进行筛选，以降低盲目追涨的风险。
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、当日收盘价在Bollinger Bands的upper值和mid值之间的股票。
同花顺指标公式代码参考
振幅：
VAR1:=(ABS(CLOSE-REF(CLOSE,1))/REF(CLOSE,1))*100;
VAR1>1
上市时间：
DATEDIFF(LISTDATE,TODAY)>365
Bollinger Bands：
UPPER:=MA(CLOSE,20)+(2*STDEV(CLOSE,20));
MID:=MA(CLOSE,20);
CLOSE
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]
# 获取股票热度列表
stock_heat = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,list_date,list_status,list_date,industry')
stock_heat = stock_heat[stock_heat["list_date"].apply(lambda x: x.replace("-", "")) < (int(today) - 10000)]
stock_heat = stock_heat.sort_values(by=['list_date'])
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, end_date=today, fields='close')
if len(quote_info) < 20:
continue
upper = quote_info["close"].rolling(window=20).mean() + 2 * quote_info["close"].rolling(window=20).std()
mid = quote_info["close"].rolling(window=20).mean()
if (quote_info["close"].iloc[-1] < upper.iloc[-1]) and (quote_info["close"].iloc[-1] > mid.iloc[-1]):
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。
