问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，（昨日换手率*(今日竞价成交量/昨日成交量)) 大于0.5且小于2。
选股逻辑分析
该选股逻辑同样主要采用技术分析指标和市场情绪指标，选取振幅、K线和相对市场流动性作为选股依据。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，昨日换手率和今日竞价成交量与昨日成交量的比值反映了市场情绪的变化。该策略主要考虑短期波动性和市场情绪对股票价格的影响。
有何风险？
该选股策略同样忽略了股票的基本面和宏观经济环境等因素，可能存在过于片面的风险。此外，竞价成交量是一个短暂的市场情绪变化的体现，可能存在一定的不确定性和误判风险。采用此策略的投资者需要结合其他因素进行综合研判和决策，同时也需要注意市场风险。
如何优化？
可以增加股票基本面和宏观经济因素等因素的考虑，如PE、PB、ROE、消费支出、经济数据等。可以采用其他技术指标配合选股策略，如RSI、MACD等，并进行相应的参数优化。此外，还需要建立合理的交易策略，如止损规则、风险控制等，避免因过度频繁交易而导致交易成本过高。
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；
- 昨日换手率*(今日竞价成交量/昨日成交量)大于0.5且小于2；
- 增加股票基本面和宏观经济因素考虑；
- 结合其他技术指标。
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 := (T-1)*V/REF(V,1) > 0.5 AND (T-1)*V/REF(V,1) < 2;
RESULT := SELECTOR1 AND SELECTOR2 AND SELECTOR3;
其中，C代表收盘价，V代表成交量，T代表当日交易日序号，REF(V,1)代表昨日成交量。
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 = ((volume.shift(1) * (open - close.shift(1))) / volume) > 0.5 & ((volume.shift(1) * (open - close.shift(1))) / volume) < 2
# 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。
