问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，深证主板中市盈率0-29.01市净率0-3.11的股票。
选股逻辑分析
该选股逻辑在振幅、K线等技术指标的基础上，加入了深证主板中市盈率和市净率的限制，以期找到具有投资潜力的标的。在实际应用中，需要注意市盈率、市净率之间的关系，同时还需要整体考虑公司的基本面等因素。
有何风险？
在选择股票的过程中，市盈率、市净率等基本面指标的选取需要符合实际情况，否则会存在选股失误的风险。同时，市盈率和市净率并不是充分考虑企业的整体财务状况和业务前景的，还需要在选股中加入其他指标以综合考虑。
如何优化？
需要考虑更多的指标，如公司的营收、净利润、年报业绩等指标，以全面综合考虑公司的整体表现。另外，可以引入趋势判断指标，如MACD、RSI等，来参考走势，确定行情走向。还需要注意风险控制，规避投资风险。
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；
- 深证主板中市盈率0-29.01；
- 市净率0-3.11；
- 综合考虑公司的基本面指标和趋势判断指标；
- 风险控制。
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 := INDUSTRY = '深证主板';
SELECTOR4 := PE > 0 AND PE < 29.01;
SELECTOR5 := PB > 0 AND PB < 3.11;
RESULT := SELECTOR1 AND SELECTOR2 AND SELECTOR3 AND SELECTOR4 AND SELECTOR5;
其中，C代表收盘价，INDUSTRY代表行业性质，PE代表市盈率，PB代表市净率。
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 = industry == '深证主板'
selector4 = (pe > 0) & (pe < 29.01)
selector5 = (pb > 0) & (pb < 3.11)
selected_stocks = selector1 & selector2 & selector3 & selector4 & selector5
# 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('volume', ascending=False)
selected_stocks.drop('volume', 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。
