@cq蓝色街灯 差不多 我现在自己也在优化

@cq蓝色街灯 方便加个wx聊吗

@cq蓝色街灯 我这里近20年来的最大回撤在2022年 你这边09年回撤变大应该是有不一致的地方

@tonylms 你有QQ号吗？我加你，习惯用Q

@cq蓝色街灯 2602548568

@tonylms 加你Q了，通过下

感谢分享。点赞。

@tonylms 加了。你这代码看的我火大。这要是蒋老师看了你这代码，能气的一巴掌拍碎桌子。你是不是刚接触聚宽啊。

@混沌生万物 是啊 我是小白 刚来平台

@tonylms 小白算不上吧，第一次能想出这样的策略，你之前应该在其他平台上做过研究

@混沌生万物 哈哈哈 真是小白 这个策略试了几个月慢慢调整的

买入日为T日，可以发现，不论是策略1（T-2,T-3）还是策略2（T-3,T-4），T-3日必须是自然涨停。 根据这个要求，第一步，筛选出T-3日自然涨停的股票，候选票缩到几十只（市场疯狂的时候，也就几百只）。 第二步，策略1要求后一天(T-2日)，策略2要求前一天(T-4日），自然涨停。再筛一下，就只剩下几只股票了。 这样，可以极大地提升筛选的效率。

直接上代码： ``` c_date = '2024-8-14' # T日 def get_natural_high_limits(stocks, date): """ 获取date日，stocks中自然涨停的股票列表 """ return get_price( stocks, end_date=date, count=1, panel=False, fields=['open', 'close', 'high_limit', 'paused'] ).query( 'open < high_limit and close == high_limit and paused == 0' )['code'].tolist() # trade_days = get_trade_days(end_date=c_date, count=6) all_stocks = get_all_securities(date = trade_days[0]).index.tolist() # 第一步，T-3日自然涨停 t_3list = get_natural_high_limits(all_stocks, trade_days[-4]) # T-3日 自然涨停 # 第二步，进一步筛选 # 策略1，T-2日也必须涨停 t_2list = get_natural_high_limits(t_3list, trade_days[-3]) # T-2日 自然涨停 # 策略2，T-4日也必须涨停 t_4list = get_natural_high_limits(t_3list, trade_days[-5]) # T-4日 自然涨停 ``` 这样，就把8月14的备选票缩减到了，1只(策略1，t_2list，['603458.XSHG'])，7只(策略2，t_4list，['000011.XSHE', '002285.XSHE', '300615.XSHE', '600696.XSHG', '603377.XSHG', '603389.XSHG', '603959.XSHG']) 603377，603959，这2只是ST, 去掉；300615是创业板，去掉 然后再去判断个位数的只数，T-1日是否非炸板缩量下跌。 T-1日，603458勘设股份是涨停，去掉；这样，就剩下岩石股份，世联行，深物业A，亚振家具等4只策略2的票需要去进一步判断了。 这样的效率，可想而知，每天选股，都是毫秒级的速度。

@tonylms 如果一开始能写出这样的策略，你很有前途啊

@混沌生万物 谢谢

@jqz1226 好的 我钻研下 谢谢老师

@漩涡蓝蛙 一起加油

代码不见了？

@jqz1226 老师能否加个微信跟你交流下 13034674783