问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散和换手率因素作为选股指标，旨在找到较强的股价走势特征的股票。
选股逻辑分析
本选股策略通过振幅、均线趋势和换手率等指标来筛选股票，旨在找到较强的股价走势特征。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，昨日换手率与今日成交量的关系反映出了股票资金流向和市场情绪的变化。
有何风险？
本选股策略可能存在指标过于简单和缺陷指标的影响风险，例如，选股的数据指标过于侧重短期的资金流向和均线趋势等因素，容易受到市场短期炒作因素等因素的影响，同时，指标的缺陷和不足可能导致选股出现选股失误和标的污染的风险。
如何优化？
为了更好的挑选出优质的股票，本选股策略可以增加更多的指标，如技术指标、基本面指标、资金流向等。这些指标可以降低短期市场风险和风险指标的影响，拓宽选股角度，增加辅助判断的有效性。另外，应该根据实际操作情况、定期更新选股策略等方法，避免盲目跟风，以防因短期异常因素和人为因素造成的损失。
最终的选股逻辑
本选股策略选取振幅大于1、今日均线向上发散和昨日换手率与今日成交量关系等指标作为选股指标。
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）
- 昨日换手率与今日成交量关系：（T-1)*IIF((V/REF(V,1)) > 0.5 AND (V/REF(V,1)) < 2, 1, 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)]
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
# 昨日换手率与今日成交量关系
if data["turnover"][-2] * (data["volume"][-1] / data["volume"][-2]) < 0.5 or data["turnover"][-2] * (data["volume"][-1] / data["volume"][-2]) > 2:
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。
