问财量化选股策略逻辑
选股逻辑：振幅大于1、K线小于20、流通市值大于100亿元进行选股。
选股逻辑分析
该选股逻辑结合了技术面的指标和市值因素。振幅大于1表示该股票的波动性较大，K线小于20表示该股票处于低位，同时引入了流通市值的因素，筛选出具有一定规模，并且价格波动幅度较好的股票。综合考虑这些因素，可以较好地筛选出潜在的优质股票。
有何风险？
同样忽略了股票的基本面和财务状况等因素，同时对市值的设置可能存在一定的主观性，存在选错或漏选的情况。同时，流通市值因受到股价波动的影响，因此需要不断更新，以保证选股结果的准确性和实时性。
如何优化？
可以加入其他技术指标和形态识别方法，进一步筛选符合条件的股票。建议结合基本面和财务数据等多种因素，进行更全面的选股分析。对于市值的因素，建议根据实际情况和投资策略进行相应的设置，综合考虑股票的市场规模和流动性状况。
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；
- 流通市值大于100亿元；
- 综合考虑多个技术指标和形态识别；
- 结合基本面、财务和行业状况等因素；
- 多维度考虑股票的市场规模和流动性状况，进一步筛选符合条件的股票。
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:=(HIGH-LOW)/C>0.01;
c2:=KONGB<20;
c3:=CAPITALIZATION>10000000000;
SELECTOR:=c1 AND c2 AND c3;
RESULT:=SELECTOR;
其中，CAPITALIZATION为流通市值。
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 = df['KONGB'] < 20
selector3 = df['CAPITALIZATION'] > 10000000000
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('turnover', ascending=False)
selected_stocks.drop('turnover', axis=1, inplace=True)
return selected_stocks['code'].tolist()
通过计算指标并进行综合选择，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。
