问财量化选股策略逻辑
选股逻辑：振幅大于1、K线小于20、量比大于1.5且小于6进行选股。
选股逻辑分析
该选股逻辑在原有基础上添加了量比指标，表明市场交易量对于股票价格的影响。通过使用振幅、K线和量比指标对股票进行筛选，可以从多个角度对股票进行分析，提高选股的质量和准确度。
有何风险？
市场波动性和量比不是绝对准确的指标，在特定时期可能会出现异常值，对于基本面因素的考虑也可能过于简单。此外，虽然选股逻辑考虑了技术面和基本面，但仍然忽略了诸如市场经济情况和政策法规等宏观因素，无法全面反映投资环境和风险。
如何优化？
可以进一步研究市场宏观因素，结合股票基本面和财务因素的关注、对实际价值如市盈率等的分析。在使用技术指标的同时，建立一个从宏观、中观到微观水平的投资逻辑，结合基本面和技术面等多个方面的因素进行优化。
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；
- 监测财务状况，筛选出基本面良好的股票；
- 监测市场情况，综合利用多个技术指标，选择分析相对全面的股票；
- 注意市场宏观因素，尽量避免因宏观因素而产生不良影响；
- 考虑多个因素进行综合权衡，筛选出符合要求的股票。
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) / REF(CLOSE,1) > 0.01;
c2 := KCONGB < 20;
c3 := VOL / MA(VOL,10) > 1.5 AND VOL / MA(VOL,10) < 6;
SELECTOR := c1 AND c2 AND c3;
RESULT := SELECTOR;
其中，REF函数用于移位计算，MA函数用于计算均线。
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['kcongb'] < 20
vol_ma10 = df['vol'].rolling(window=10).mean()
selector3 = (df['vol'] / vol_ma10 > 1.5) & (df['vol'] / vol_ma10 < 6)
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()
通过计算指标和综合选择，结合多种因素进行选股，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。
