问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散、PE>0的股票作为选股指标，其中振幅大于1和今日均线向上发散可以找到走势较好的股票，而PE>0可以筛选出具有盈利能力的股票。
选股逻辑分析
本选股策略通过选取振幅、均线趋势和PE等指标来综合筛选股票。振幅和今日均线向上发散有利于筛选出近期走势良好的股票，而PE>0则可以找到具有盈利能力的股票。
有何风险？
该策略存在一定的风险，主要体现在PE这一指标上。PE是市场对公司未来盈利情况的预期，与公司实际盈利情况可能存在偏差。另外，该策略并未考虑股票的长期走势和基本面等因素，可能会漏掉某些具有潜力的股票。
如何优化？
为了进一步提高选股策略的有效性，可以适当加入一些特色指标和技术指标，比如股票历史走势和机构调研等信息，同时还可以通过机器学习、深度学习等技术来优化选股逻辑和参数，从而提高选股策略的准确性和稳定性。
最终的选股逻辑
本选股策略选取振幅大于1、今日均线向上发散、PE>0的股票作为选股指标。
同花顺指标公式代码参考
- 振幅： AMO
- 今日均线向上发散：C > REF(MA(C,5),1) > MA(C,5)
- PE>0：EPS > 0
python代码参考
import tushare as ts
def select_stock():
stock_list = ts.get_stock_basics()
selected_stocks = stock_list[(stock_list["pb"] > 0) & (stock_list["pb"] < 1) & (stock_list["timeToMarket"] <= 240)]
for stock in selected_stocks.index:
data = ts.get_hist_data(stock)
if data is None:
selected_stocks.drop(stock, inplace=True)
continue
if data["amplitude"][-1] < 1:
selected_stocks.drop(stock, inplace=True)
continue
# 今日均线向上发散
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
selected_stocks.drop(stock, inplace=True)
continue
# PE>0
if stock_list.loc[stock].eps <= 0:
selected_stocks.drop(stock, inplace=True)
continue
return selected_stocks
print(select_stock())
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
