问财量化选股策略逻辑
选择振幅大于1、股票均价站在五日均线之上、市盈率（PE）大于0的股票进行选股。
选股逻辑分析
振幅大于1表示股票价格波动较大，有较高的投资机会；股票均价站在五日均线之上可表示该股票处于上涨趋势，具有较高的增长潜力；市盈率大于0表示该股票具有盈利能力，基本面良好，增长空间较大。
该选股策略主要考虑股票的价格波动性、趋势以及基本面等因素，以期望获得较高的投资收益。
有何风险？
该选股策略可能存在盲目追求估值低廉、忽略股票成长性等情况，存在较大的操作风险。
某些股票可能存在虚假业绩、机构拉升等情况，致使选股结果失效。
如何优化？
需要加强对公司基本面、市场环境以及行业趋势等微观、宏观经济环境的分析。
可以加入股息率、股本结构等因素进行综合筛选。
同时需要建立风险控制机制，严格控制选股的数量和仓位。
最终的选股逻辑
选择振幅大于1、股票均价站在五日均线之上、市盈率大于0并结合公司基本面、市场环境、行业趋势、股息率、股本结构等因素进行综合筛选，选出具有较高长期投资价值的股票进行投资。
同花顺指标公式代码参考
// 挑选振幅大于1的股票
amplitude = (HIGH - LOW) / REF(CLOSE,1)
amplitude_bool = amplitude >= 1
// 挑选股票均价站在5日均线之上的股票
ma5 = MA(CLOSE, 5)
price_over_ma5 = CLOSE > ma5
// 挑选市盈率大于0的股票
pe = PE
pe_bool = pe > 0
// 挑选符合条件的股票
result = amplitude_bool & price_over_ma5 & pe_bool
// 输出筛选结果
result
python代码参考
import tushare as ts
# 获取所有股票的基本信息
all_stocks = ts.get_stock_basics()
# 获取所有股票的历史行情信息
symbol_list = all_stocks.index.tolist()
hist_data = ts.get_hist_data(symbol_list[-1])
temp_data = pd.DataFrame()
for symbol in symbol_list:
single_data = ts.get_hist_data(symbol)
temp_data = pd.concat([temp_data,single_data],ignore_index=False)
# 挑选振幅大于1的股票
amplitude = (temp_data['high'] - temp_data['low']) / temp_data['pre_close']
amplitude_bool = amplitude >= 0.01
# 挑选股票均价站在5日均线之上的股票
ma5 = temp_data.groupby('code')['close'].rolling(window=5).mean().reset_index(name='ma5')
final_data = all_stocks.merge(ma5)
price_over_ma5_bool = final_data['close'] > final_data['ma5']
# 挑选市盈率大于0的股票
pe_bool = final_data['pe'] > 0
# 挑选符合条件的股票
result = final_data[(amplitude_bool & price_over_ma5_bool & pe_bool).values]
# 输出筛选结果
print(result)
注：以上代码仅供参考，具体实现还需要根据实际情况进行适度修改。
## 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。
