问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，2021年营收/2018年营收大于1.1。
选股逻辑分析
该选股逻辑在技术指标的基础上同时考虑了基本面的因素，其中振幅大于1和K线小于20的条件与之前一样，而2021年营收/2018年营收大于1.1则是通过对股票基本财务数据的比较来判断该股票是否有持续成长的能力。
有何风险？
该策略同样面临着市场风险和不确定性，因为技术指标分析中仍存在误差和不确定性。同时，基本面因素也容易受到市场宏观经济和行业变化的影响，并且财务数据的灵活性较小，相对较慢地反映出市场情况。
如何优化？
在综合考虑技术指标和基本面数据的基础上，可以进一步考虑市场行情和行业走势等因素，如宏观经济数据和监管政策等信息。同时，引入机器学习和深度学习算法，以提高选股策略的精度和鲁棒性。
最终的选股逻辑
在综合考虑以上分析基础上，我们提出完善后的选股逻辑：
- 振幅大于1；
- K线小于20；
- 2021年营收/2018年营收大于1.1。
同花顺指标公式代码参考
以下是该选股策略在同花顺中的指标公式代码：
C:REVS2018;
R2Y:=REF(REVS,SEEK(-365,0));// 取1年前营收
FILTER: C>1 AND CLOSE <20 AND C/R2Y>1.1;
Python 代码参考
以下是 Python 实现该策略的选股逻辑：
# 数据预处理部分，假设已经获得数据annual_revenues，close
rev_2018 = annual_revenues[2018]
rev_2021 = annual_revenues[2021]
# 寻找符合条件的股票标的
selected_stocks = (close < 20) & (rev_2021/rev_2018 > 1.1)
return selected_stocks.index.tolist()
通过 Python 实现该策略的选股逻辑，我们考虑如何利用 Pandas 对财务数据进行处理，并使用 Pandas 提供的灵活性和高效性来进行符合条件的股票筛选。值得注意的是，2021年的营收与2018年的营收是通过年报数据在时间轴上相对应来实现的。在实际应用中，依据实际财务数据的处理方式可能会有所不同。
## 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。
