问财量化选股策略逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、底部形态抬高。该选股策略主要考虑了个股的市值和技术形态，以挑选出底部抬高、有上涨潜力的标的。
选股逻辑分析
该选股逻辑同样考虑了股票的市值和波动性，同时增加了基于技术分析的底部抬高因素。底部抬高意味着股价的下跌趋势有所放缓，而底部抬高的个股有可能存在反弹趋势，具有一定的投资机会。因此，该选股策略旨在从市值适中、波动性强、底部形态抬高的个股中挑选出有上涨潜力的标的。
有何风险？
该选股逻辑过于侧重技术分析中的底部抬高因素，有可能忽略其他基本面和技术因素的影响。同时，底部抬高只是技术分析领域中的一个指标，不能完全代表个股的实际价值。因此，该选股策略只是作为投资决策的参考因素，需要和其他指标一同使用。
如何优化？
在该选股逻辑的基础上，可以考虑引入其他技术指标（如均线、MACD等）以及基本面因素（如财务报表、公司业绩）进行综合评估，提高精度和策略的稳定性。
最终的选股逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、底部形态抬高。该选股策略旨在从市值适中、波动性强、底部形态抬高的个股中挑选出有上涨潜力的标的。
同花顺指标公式代码参考
CIRC_MARKET_CAP >= 100 AND REF(HIGH/LOW, 1) > 1 AND (CLOSE-LLV(LOW,60))/(HHV(HIGH,60)-LLV(LOW,60)) >= 0.6
其中，CIRC_MARKET_CAP表示流通市值大小，REF(HIGH/LOW, 1) > 1 表示昨日的振幅大于1，(CLOSE-LLV(LOW,60))/(HHV(HIGH,60)-LLV(LOW,60)) >= 0.6 表示当前收盘价与最近60个交易日的最低价之差与最高价之差比值大于等于0.6。通过此公式进行筛选后，即可得到符合条件的股票。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,circ_mv').ts_code:
stock_data = pro.query('stock_basic', ts_code=ts_code)
if stock_data.iloc[0]['circulating_market_cap'] < 100 or stock_data.iloc[0]['area'] == '北京':
continue
# 判断底部抬高是否满足条件
daily_data = pro.daily(ts_code=ts_code, start_date='20210101', end_date='', fields='trade_date, open, high, low, close')
if len(daily_data) < 60:
continue
bottom_ratio = (daily_data['close'] - daily_data['low'].rolling(60).min()) / (daily_data['high'].rolling(60).max() - daily_data['low'].rolling(60).min())
if bottom_ratio.iloc[-1] < 0.6:
continue
# 判断振幅是否满足条件
if max(daily_data['high'] / daily_data['low']) <= 1:
continue
selected_stocks.append(ts_code)
return selected_stocks
其中，在Python代码中使用了pandas库中的rolling函数计算底部抬高因子，计算方法与通达信中相同。
## 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。
