问财量化选股策略逻辑
选股逻辑为：振幅大于1、PE>0、2021年股价上涨的股票。将选股逻辑作为第一个标题放入段落中。
选股逻辑分析
该选股策略的逻辑如下：
1.振幅大于1：表示该股票价格波动比较大，有较高的交易活跃度；
2.PE>0：表示该股票未亏损，有一定盈利能力；
3.2021年股价上涨：表示该股票在2021年内出现上涨。
综合以上三个点，在符合阈值要求的股票中进行选择。
有何风险？
该选股策略的一些风险可能包括：
1.股价过高，可能存在高估的风险；
2.股票的历史表现不一定能够代表未来表现。
如何优化？
为了降低风险和提高选股的成功率，可以在以上基础上进行如下优化：
1.结合其他技术指标和基本面指标进行选股，如MACD指标、RSI指标、财务数据等。
2.考虑短期内股票的成交量等因素；
3.通过实盘模拟和回测等方法验证策略的效果，不断进行优化和调整。
最终的选股逻辑
综合以上分析和优化，我们最终的选股逻辑为：在振幅较大、盈利能力好、2021年股价上涨的股票中进行选择，并综合考虑其他技术指标、基本面指标等因素，以取得更好的交易结果。
同花顺指标公式代码参考
该策略可引入以下指标进行辅助分析：
1.振幅的指标。
振幅：
((HIGH-LOW)/REF(CLOSE,1))>0.01
2.PE的指标。
同花顺PE指标：
pe>0
3.2021年股价上涨的指标。
2021年股价上涨：
(CLOSE/REF(CLOSE, 252)) > 1
Python代码参考
以下是使用Python进行选股的代码参考：
import pandas as pd
import tushare as ts
def stock_selection():
# 获取股票数据
all_data = ts.get_k_data("002230", ktype="D")
all_data = pd.DataFrame(all_data, columns=["date", "open", "close", "high", "low", "volume", "turnover", "pe"])
# 振幅大于1
condition1 = ((all_data["high"] - all_data["low"]) / all_data["close"].shift(1) > 0.01)
# PE > 0
condition2 = all_data["pe"] > 0
# 2021年股价上涨
condition3 = ((all_data["close"] / all_data["close"].shift(252)) > 1)
# 返回符合条件的股票代码
return all_data[condition1 & condition2 & condition3]["code"].values.tolist()
其中，在代码中需要根据实际需求进行相应的设置。
## 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。
