问财量化选股策略逻辑
选股逻辑为：振幅大于1、PE>0、高点为两日最高的股票。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：
- 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；
- PE>0表示该股票未亏损，有一定盈利能力；
- 高点为两日最高认为该股票处于较强的涨势，有更好的买入时机。
综合以上几点，我们可以选出具备较好交易活跃度、盈利能力和处于强势上涨趋势中的股票。
有何风险？
该选股策略的风险如下：
- 高点为两日最高只是短期涨势的判断指标，容易忽略更长期的投资价值；
- 该策略可能忽略了一些价格波动较小、但具备长期投资价值的股票，容易错过一些高潜力的投资标的。
如何优化？
为了降低风险和提高选股的成功率，可以在以上的基础上进行如下优化：
- 加入更多的技术指标，如KDJ、RSI等，以提高选股的完整性；
- 加入基本面的分析，如市值、收益率、股息率等，更有效地评价股票的价值；
- 在涨势的判断上，可以综合考虑更多的数据，如5日、10日、20日的涨跌幅，以获得更准确的涨势判断。
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：振幅大于1、PE>0、高点为两日最高的股票。在此基础上，可以进一步进行调整和优化，以降低风险，提高选股成功率。
同花顺指标公式代码参考
以下是同花顺选股公式代码参考：
# 振幅大于1
C1: (HIGH - LOW) / REF(CLOSE, 1) > 0.01;
# PE>0
C2: PE > 0;
# 高点为两日最高
C3: HIGH == MAX(HIGH, 2);
# 选取同时满足以上条件的股票
FILTER: C1 AND C2 AND C3;
其中，C1、C2、C3分别表示振幅大于1、PE>0、高点为两日最高的选股条件；FILTER表示同时满足这些条件的股票进行筛选。
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 high_two_days(data):
# 判断当日是否为两日最高点
data["HIGH_MAX"] = data["high"] == data["high"].rolling(window=2).max()
return data[data["HIGH_MAX"]]
def stock_selection():
# 获取股票数据
all_data = ts.get_k_data("002230")
all_data = pd.DataFrame(all_data, columns=["date", "open", "close", "high", "low", "volume"])
# 振幅大于1
condition1 = (all_data["high"] - all_data["low"]) / all_data["close"].shift(1) > 0.01
# PE > 0
condition2 = True # 此处省略PE>0的判断
# 高点为两日最高
condition3 = high_two_days(all_data)
# 筛选符合条件的股票
selected_data = condition3[condition1 & condition2]
# 返回符合条件的股票代码
return selected_data["code"].values.tolist()
其中，我们首先使用tushare库获取指定股票的K线图数据，然后根据选股逻辑进行筛选，最终返回符合条件的股票代码。在涨势的判断中，我们定义了一个名为high_two_days的函数，用来计算每天是否处于两日最高点，并筛选符合条件的数据。最后，我们返回符合其他条件的高点为两日最高的股票代码。
## 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。
