问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上、深证主板中市盈率0-29.01市净率0-3.11的股票作为投资标的。
选股逻辑分析
本选股策略既考虑了技术面因素，也要考虑基本面因素，选取符合振幅大、MACD指标好且市盈率和市净率符合特定范围的股票作为投资标的，以期望达到具有较高回报潜力的、低风险的股票的效果。
有何风险？
本选股策略在技术面和基本面因素上都有所考虑，因此综合性较强，可以得到较好的选股结果。但是，市盈率和市净率等基本面指标具有一定的主观性，根据不同的投资人而言，同样的数据也可能会得出不同的结论。此外，如果选取的市盈率和市净率范围过小，可能会影响选股策略的效果。
如何优化？
可以考虑继续扩大市盈率和市净率的范围，从而提升选股策略的准确度，同时可以结合其他的基本面指标，例如每股收益、净利润等指标，进一步筛选高质量的股票。另外，可以加入更多的技术面指标，例如成交量、KDJ等指标，以进一步提高选股策略的全面性和准确性。
最终的选股逻辑
本选股策略将技术面指标和基本面因素结合起来，选取符合振幅大、MACD指标好且市盈率和市净率符合特定范围的股票作为投资标的，同时结合其他基本面指标进行深度分析，以便更全面、准确地评估标的的投资价值和风险水平。
同花顺指标公式代码参考：
振幅大于1：
(HIGH - LOW) / PRE_CLOSE > 0.01
周线MACD在零轴之上：
(REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1)) AND (MACD(12,26,9) > 0)
深证主板中市盈率和市净率的范围：
(pe >= 0) AND (pe <= 29.01) AND (pb >= 0) AND (pb <= 3.11)
python代码参考：
# 引入Tushare库
import tushare as ts
# 查询股票数据，根据条件筛选股票
selected_stocks = []
stock_data = ts.get_stock_basics()
for code in stock_data.index:
# 获取股票数据
daily_data = ts.get_hist_data(code)
pb = stock_data.at[code, 'pb']
pe = stock_data.at[code, 'pe']
# 筛选符合条件的股票
if (daily_data.high - daily_data.low).mean() / daily_data.close.mean() > 0.01 and REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1) and pb >= 0 and pb <= 3.11 and pe >= 0 and pe <= 29.01:
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
选股逻辑从技术面和基本面进行筛选，同时引入了市盈率和市净率的因素进行判断。基本面因素具有一定的主观性，因此在优化选股策略时，可以考虑结合其他的基本面指标，例如每股收益、净利润等指标，进一步筛选高质量的股票。同时，在引入更多指标的同时，选股策略的正确性和实时性也需要得到充分的保障。
## 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。
