问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，前25天有涨停。
选股逻辑分析
该选股逻辑主要依据技术指标和涨停的情况进行选股。振幅大于1、K线小于20、前25天有涨停的股票可能意味着短期内存在一定的热度，成交价格存在一定的波动性，而前25天内涨停则表明该股的投资人气不错。虽然考虑了技术面和市场情况，但在缺乏其他因素的综合分析下，该选股逻辑还是存在一定的风险。
有何风险？
该选股逻辑适用的市场情况和投资氛围相对固定，不适用于市场高度波动的时期，容易导致选出的标的收益率低于市场平均水平。此外，该选股逻辑忽略了公司基本面等重要因素，只是基于短期的技术指标和市场热度进行选股，因此风险相对较高。
如何优化？
可以将其他因素纳入考量进行综合分析来避免单一思维问题。具体包括加入公司基本面指标、市场因素因素等，这样才能更好地筛选出质量更高的标的。此外，加入其他技术指标，如MACD、RSI等，也可以提高选股的准确度。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- K线小于20；
- 25天内有涨停的情况出现；
- 综合考虑短、中、长期的技术指标，如MACD、RSI、Bollinger Band等；
- 综合分析公司基本面和市场情况等因素。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
C1: Amp() > 1;
C2: KDJ(9,3,3) < 20;
C3: LASTZT(LASTZT(CLOSE, 25) > 0, 25) > 0;
SELECTOR:=C1 AND C2 AND C3;
RESULT:=SELECTOR;
其中，LASTZT代表涨停板，Amp()代表股票的振幅，KDJ指标的参数可以根据需要进行调整。
Python代码参考
以下是Python实现该选股策略的选股逻辑：
# 计算指标
amp = (df['high'] - df['low']) / df['close']
kdj, kdj_signal = talib.STOCH(df['high'], df['low'], df['close'], fastk_period=9, slowk_period=3, slowd_period=3)
# 获取25天内有涨停的股票代码
zt_df = get_zt_stocks(start_date, end_date, code_list)
zt_list = zt_df['code'].unique().tolist()
selector1 = amp > 1
selector2 = kdj < 20
selector3 = df['code'].isin(zt_list) & df['code'].shift(25).isin(zt_list)
selected_stocks = selector1 & selector2 & selector3
# 综合选择
selected_stocks = pd.DataFrame({'code': code, 'selected': selected_stocks})
selected_stocks = selected_stocks[selected_stocks['selected']]
selected_stocks = selected_stocks.sort_values('pct_chg', ascending=False)
selected_stocks.drop('pct_chg', axis=1, inplace=True)
return selected_stocks['code'].tolist()
通过使用Python实现该选股逻辑，结合股票振幅、KDJ指标、涨停情况等条件进行选股。在实际运用过程中，可以根据实际情况和投资策略进行相应的优化和改进。
## 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。
