问财量化选股策略逻辑
选股条件为：振幅大于1、机构抄底、近一个月内有过涨停。选出符合条件的个股进行投资。
选股逻辑分析
该选股策略同样是基于三个条件进行选股，振幅大于1说明股票波动较大，机构抄底则说明机构看好股票的价值，而近一个月内有过涨停则说明该股票上涨潜力较大，从而进一步判断该股票未来的走势。这三个条件相互结合，能筛选出处于上涨趋势中、被机构看好的优质股票，是一种技术面和基本面相结合的量化选股策略。
有何风险？
该选股策略同样没有考虑到公司的基本面、估值水平等其他重要因素，还存在过度依赖技术面指标的风险。同时，选股条件过于死板，忽略了很多其他潜在的优质股票，过度依赖历史数据而未能及时反应市场的变化，存在着选股盲目的风险。
如何优化？
可以加入更多指标，如市盈率、市净率等指标，以多维度进行评估股票的价值和潜在风险；同时，也可以从行业分析、龙头股分析等方面入手，以提高策略的精度。
最终的选股逻辑
选股条件为：振幅大于1（SYNJZ('AMO',1) > 1）、机构抄底（ABS(ORG_DIFF_VOL_TO-ORG_DIFF_VOL_YESTERDAY) > 0）以及近一个月内有过涨停（LC>0）。选出符合条件的股票进行投资。
同花顺指标公式代码参考
振幅大于1：SYNJZ('AMO',1) > 1；
机构抄底：ABS(ORG_DIFF_VOL_TO-ORG_DIFF_VOL_YESTERDAY) > 0；
近一个月内有过涨停：LC>0。
符合全部条件的选股公式：SYNJZ('AMO',1) > 1 AND ABS(ORG_DIFF_VOL_TO-ORG_DIFF_VOL_YESTERDAY) > 0 AND LC>0。
python代码参考
import tushare as ts
def get_selected_stocks():
# 振幅大于1
condition1 = SYNJZ('AMO',1) > 1
# 机构抄底
org_data = ts.get_hist_data('600519', '20210901', '20211001')
org_data['ORG_DIFF_VOL_TO'] = org_data['turnover'] - org_data['volume']
org_data['ORG_DIFF_VOL_YESTERDAY'] = org_data['ORG_DIFF_VOL_TO'].shift(1)
condition2 = abs(org_data['ORG_DIFF_VOL_TO'] - org_data['ORG_DIFF_VOL_YESTERDAY']) > 0
# 近一个月内有过涨停
lc_data = ts.get_today_ticks('600519')
lc_data['LC'] = lc_data['change']>0
lc_data['time'] = pd.to_datetime(lc_data['time'])
lc_condition = (pd.Timestamp.now() - lc_data['time']).dt.days<=30
condition3 = lc_data[lc_condition]['LC'].sum() > 0
# 选取符合条件的股票
selected_data = stock_data[condition1 & condition2 & condition3].index.tolist()
return selected_data
result = get_selected_stocks()
print(result)
注：以上代码仅供参考，实际选股可结合具体情况进行适度修改。
## 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。
