问财量化选股策略逻辑
在本次量化选股中，我们主要采用以下策略进行选股：
- 2天前涨跌幅排列：我们首先会根据股票近两天的涨跌幅进行排序，选出涨幅小于5%的股票。
- 分时高开3%到6%之间：我们选出近一段时间内分时线上涨超过3%并且最高价超过6%的股票。
选股逻辑分析
1. 涨幅小于5%
这个策略的目的是选出近期表现相对稳定的股票，避免那些短期内涨幅较大的股票，这样可以降低选股的风险。
2. 分时高开3%到6%
这个策略的目的是选出有潜力上涨的股票，因为当股票的分时线在一段时间内保持在一个较高的水平，说明股票的走势较为强势，有较大的上涨空间。
有何风险？
这个策略主要存在以下风险：
- 市场风险：股票价格受到市场整体走势的影响，选股策略不能完全避免市场风险。
- 选股偏差：由于选股策略主要依赖历史数据，可能会存在选股偏差，不能完全预测未来走势。
如何优化？
- 结合其他策略：可以结合技术分析、基本面分析等其他投资策略，以提高选股的准确性。
- 参数调整：可以对策略中的参数进行调整，以适应不同的市场环境。
最终的选股逻辑
在选股时，我们首先会根据涨幅小于5%的原则筛选出股票，然后结合分时高开的3%到6%的条件，选出有潜力的股票。最终，我们选出符合以上条件的股票作为投资目标。
常见问题
- 什么情况下会触发策略的调整？
答：当股票的涨幅超过5%或者分时线跌破分时线的3%时，我们会对策略进行调整。
- 策略能保证多准确的收益？
答：策略的准确性无法保证，因为选股策略依赖于历史数据和市场环境，存在一定程度的误差。
指标公式代码参考
# 定义筛选条件的函数
def筛选股票(stock):
# 计算股票近两天的涨幅
delta = stock['delta'].pct_change()
# 判断股票是否满足涨幅小于5%的条件
if delta < 0.05:
# 判断股票是否满足分时高开的3%到6%的条件
if stock['high'].pct_change() > 0.03 and stock['high'].pct_change() <= 0.06:
return True
return False
# 获取符合筛选条件的股票列表
selected_stocks = stock_api.get_stock_list(筛选股票)
注意：以上代码仅为示例，实际使用时需要根据具体的市场环境和数据源进行修改。
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？
点击页面下方的复制按钮，复制到自己的账户即可使用模板进行回测。