问财量化选股策略逻辑
本选股策略选取振幅大于1，上市时间大于一定时长，且该股票当日最高价是过去两日最高价的股票。本选股逻辑从股票价格波动、历史走势等多方面筛选股票，旨在寻找处于近期高点的股票。
选股逻辑分析
本选股策略选取参考过去两日的高点，以判断当前股票处于近期的高点位置。同时，振幅大于1的股票相较于振幅小的股票更容易获得大量资金的关注；关注一定时长的上市时间，可以避免新上市股票波动过于不稳定的风险。通过选取满足以上条件的股票，可以选取近期走势良好的股票，有投资机会。
有何风险？
本选股策略存在以下风险。1. 忽视了企业基本面等因素对于股票的影响；2. 经研究，历史走势不一定代表未来股票的表现，选取当日高点作为比较基准存在片面性；3. 短时间内的交易活跃度不代表股票具有长期投资价值。
如何优化？
本选股策略可结合股票的基本面指标以全方面考虑股票的各个方面，同时可在考虑历史走势的同时，增加其他技术指标辅助判断，提高筛选股票的准确性。
最终的选股逻辑
本选股策略选取满足以下条件的股票：振幅大于1，上市时间大于三年，且该股票当日最高价是过去两日最高价。同时结合股票的基本面指标以全方面考虑股票的各个方面。
同花顺指标公式代码参考
暂无
python代码参考
import tushare as ts
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,list_date,list_status,total_mv,circ_mv,npr')["ts_code"]:
if len(selected_stocks) >= n:
break
if code.startswith("688"):
continue
if code.startswith("60") and code[:6] != "600" and code[:6] != "601":
continue
df = pro.query('daily', ts_code=code, start_date=(datetime.today() - timedelta(days=2)).strftime('%Y%m%d'), end_date=datetime.today().strftime('%Y%m%d'))
if len(df) != 3 or df.iloc[0]["high"] < df.iloc[1]["high"] or df.iloc[0]["high"] < df.iloc[2]["high"]:
continue
if df.iloc[0]["amplitude"] <= 1:
continue
list_days = (datetime.today() - datetime.strptime(pro.query('stock_basic', ts_code=code, fields='list_date')["list_date"][0], '%Y%m%d')).days
if list_days < 1095:
continue
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
