问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，今日增仓占比大于5%。
选股逻辑分析
该选股逻辑综合考虑了股票的波动程度、超卖状态、市场活跃度和资金流向四个方面，具体来说，振幅大于1表示该股票波动幅度比较大，K线小于20表示股票处于超卖状态，今日增仓占比大于5%表示资金在加仓该股，而不是撤离。
这些因素综合反映了市场对该股票的认知、该股票的市场流动性以及未来的投资价值，能够更准确地筛选出具备一定投资价值的股票。
有何风险？
该选股策略可能出现的风险包括：市场行情变化导致指标失效，选股时未考虑到行业因素的影响，资金的增仓情况受到很多因素的影响，比如短期波动或者机构做多预期等，其不一定代表真正的加仓。此外，过于依赖技术指标也可能带来风险。
如何优化？
可以结合宏观经济、行业研究等基本面因素来优化选股策略，以更全面、准确地考虑股票的投资价值。此外，需要对指标的权重和选股池进行调整，以满足不同市场环境和趋势的要求。在选股过程中，需要认真分析增仓的原因和资金流动的趋势，选出真正趋势向好的股票。
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；
- 今日增仓占比大于5%。
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:CLOSE;
D:EMA(CLOSE,12)-EMA(CLOSE,26);
J:EMA(D,9);
F1:J>=0;
F2:(HIGH-LOW)/C>0.01; // 振幅大于1
F3:C<20; // K线小于20
F4:(VOL/(AVGVOL5*10000)-1)>0.05; // 今日增仓占比大于5%
FILTER:F1 AND F2 AND F3 AND F4;
其中，EMA()用于计算指数平均数，详细定义可参考同花顺文档。
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
close = dv.get_ts('close', symbol=symbols)
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
turnover_rate = dv.get_ts('turnover_rate', symbol=symbols)
vol = dv.get_ts('volume', symbol=symbols)
# 振幅大于1
amp_filter = (high / low - 1) > 0.01
# K线小于20
kline_filter = close.rolling(window=20).min() == close
# 今日增仓占比大于5%
turnover_rate_avg_5days = turnover_rate.rolling(window=5).mean()
vol_avg_5days = vol.rolling(window=5).mean()
turnover_rate_filter = (turnover_rate / turnover_rate_avg_5days.shift(1) - 1) > 0.05 & \
(turnover_rate / turnover_rate_avg_5days.shift(1) - 1) < 1
vol_filter = vol / vol_avg_5days.shift(1) > 1
selected_stocks = (amp_filter & kline_filter & turnover_rate_filter & vol_filter).sort_values(ascending=False)
return selected_stocks.index.tolist()
通过 Python 实现该策略的选股逻辑，同样利用 TA-Lib 库函数以及其他指标计算 K线和资金流向等指标。同时也关注指标之间的权重关系和选股池的变化，尽可能地减少风险。
## 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。
