问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散的股票，并按个股热度从大到小排序名次，排名靠前的股票趋势更好，更容易盈利。
选股逻辑分析
本选股策略通过选取振幅和今日均线趋势这两个指标，以及按个股热度排序来综合筛选股票。振幅和今日均线向上发散可以找到近期走势良好的股票，而按个股热度排序则是从市场需求方面考虑，选出更受市场关注的股票。
有何风险？
本策略存在过度追求短期走势，而忽略了公司的长期基本面和盈利情况等因素，可能会漏掉一些具有良好长期潜力的股票。同时，按个股热度排序存在依赖市场趋势的不确定性，市场需求并不一定代表公司的实际价值。
如何优化？
为了进一步提高选股策略的有效性，可以适当引入一些基本面信息，比如股票市盈率、股息率、业绩增长率等，以此更好地评估公司的内在价值和长期潜力，同时还可以结合机器学习等技术优化选股逻辑和参数，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、今日均线向上发散的股票，并按个股热度从大到小排序名次。
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)
- 按个股热度排序: ROE
python代码参考
import tushare as ts
def select_stock():
# 按个股热度排序
stock_list = ts.get_stock_basics()
stock_list["ROE"] = stock_list["pb"] * stock_list["roe"]
stock_list.sort_values("ROE", ascending=False, inplace=True)
selected_stocks = pd.DataFrame(columns=stock_list.columns)
for stock in stock_list.index:
data = ts.get_hist_data(stock)
if data is None:
continue
if data["amplitude"][-1] < 1:
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]):
continue
selected_stocks = selected_stocks.append(stock_list.loc[stock])
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。
