问财量化选股策略逻辑
选股逻辑为振幅大于1，20日均线大于120日均线，按今日竞价金额排序前5。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略主要通过以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 20日均线大于120日均线，说明该股票处于上涨趋势；
- 按今日竞价金额排序前5，说明该股票在当日的交易活跃度较高。
有何风险？
以下是该选股策略可能产生的风险：
- 筛选条件较为单一，不能充分考虑其他可能影响股价的因素；
- 按竞价金额排序可能会在一定程度上受到市场交易情况的影响，选出股票并不一定符合市场趋势；
- 股票的交易活跃度仅为单一时点，不能充分考虑整个交易周期内的交易情况。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 加入其他技术指标和基本面、行业、市场等因素进行综合分析；
- 不仅仅是按竞价金额排序，可以考虑加入其他排序条件，例如成交量、涨跌幅等；
- 考虑加入其他指标，例如市场情绪、大宗交易、资金分析等，来综合分析市场的情况；
- 设定止损和止盈等交易规则，来控制风险和盈利。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，20日均线大于120日均线；
- 按竞价金额排序，并加入其他排序条件，例如成交量、涨跌幅等；
- 加入其他技术指标和基本面、行业、市场等因素，进行综合分析；
- 增加其他的交易信号，例如针对该股票的其他技术指标、市场情绪、大宗交易、资金分析等信号进行筛选；
- 设定止损和止盈等交易规则，来控制风险和盈利。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，20日均线大于120日均线，按今日竞价金额排序前5 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) > MA(CLOSE,120)
ORDER BY
/* 写入具体排序字段 */
ERR_TRADE_AMOUNT DESC
LIMIT 5
注：以上代码需要在同花顺的选股界面中进行填充，其中ERR_TRADE_AMOUNT为竞价金额，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import pandas as pd
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取K线和竞价金额数据 ####
rs_k_data = bs.query_history_k_data_plus(code="sh.600000", fields="date,code,open,high,low,close,volume", start_date='2021-08-01', end_date='2021-09-30', frequency="d", adjustflag="2")
rs_err_data = bs.query_history_k_data_plus(code="sh.600000", fields="date,code,ERR_TRADE_AMOUNT", start_date='2021-09-30', end_date='2021-09-30', frequency="d", adjustflag="2")
#### 计算振幅和均线 ####
k_data = rs_k_data.get_data()
err_data = rs_err_data.get_data()
k_data['AMPLITUDE'] = (k_data['high']-k_data['low']) / k_data['close'].shift(1) * 100
k_data['MA20'] = ta.MA(k_data['close'], timeperiod=20)
k_data['MA120'] = ta.MA(k_data['close'], timeperiod=120)
k_data = k_data.merge(err_data[['code', 'ERR_TRADE_AMOUNT']], on='code')
#### 判断符合条件的股票 ####
selected_stock = k_data[(k_data['AMPLITUDE'] > 1) &
(k_data['MA20'] > k_data['MA120'])].sort_values(by='ERR_TRADE_AMOUNT', ascending=False).head(5)['code'].tolist()
#### 登出系统 ####
bs.logout()
return selected_stock
注：以上python代码需要安装baostock等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
