问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，昨日非涨停板。
选股逻辑分析
该选股逻辑同样采用了技术分析指标，选取振幅、K线以及昨日涨停板情况作为选股依据。振幅大于1代表波动性较强，K线小于20代表股票处于较低的价格水平，而昨日非涨停板则可以排除掉已经过热或是造成过大波动的股票。该策略既有考虑短期走势和波动性，又有考虑市场风险和高风险股票的排除。
有何风险？
该选股策略存在可能漏选热门概念股、强势题材股等等，限制了选股的广度。同时，过于强调短期走势和波动性，低估了长期投资价值和市场整体趋势。还需综合考评个股的长期表现和公司基本面数据，并结合市场宏观情况和政策变化等因素进行综合判断和选择。
如何优化？
可以加入更多公司基本面指标，如财务数据、业绩增长、公司治理等方面的因素，提高整体选股的综合性。还可以增加其他技术指标如MACD、RSI等等来过滤更优质的股票，同时也可以配合宏观因素如国家经济政策、行业发展趋势等进行股票的选择和管理。
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；
- 昨日非涨停板；
- 加入更多公司基本面指标；
- 配合其他技术指标和宏观因素进行股票选择和管理。
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：
SELECTOR1 := ((HIGH - LOW) / C) > 0.01;
SELECTOR2 := C < 20;
SELECTOR3 := (CLOSE / REF(CLOSE, 1)) < 1.099;
RESULT := SELECTOR1 AND SELECTOR2 AND SELECTOR3;
其中，C代表收盘价，CLOSE代表当天收盘价，REF(CLOSE, 1)代表昨日收盘价，1.099代表涨停板设置的上限。
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
amplitude = (high - low) / close.shift(1)
selector1 = amplitude > 0.01
selector2 = close < 20
selector3 = close / close.shift(1) < 1.099
selector3 = selector3 & (close.shift(1) / close.shift(2) < 1.099)
# 综合选择
selected_stocks = pd.DataFrame({'code': code})
selected_stocks = selected_stocks.merge(selector1, on='code')
selected_stocks = selected_stocks.merge(selector2, on='code')
selected_stocks = selected_stocks.merge(selector3, on='code')
selected_stocks = selected_stocks[selector1 & selector2 & selector3]
return selected_stocks['code'].tolist()
通过计算指标，综合选择符合条件的个股进行投资，同时可以根据实际情况和投资风格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。
