问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,三个技术指标同时金叉。
选股逻辑分析
该选股策略同样考虑了技术面和基本面的指标，综合考虑了股票的波动性、市场资金流入和价格走势。其中振幅和控盘指标反映了股票当前的波动性和资金的情况；技术指标金叉事件则反映了当前股票的价格趋势和市场心理预期。
有何风险？
该选股策略主要风险来自于市场情况、市场风险、技术指标的变动或若干其他风险。不同的股票走势和涨势时刻在变，可能会对指标带来较大的干扰，并使选股策略的精度出现波动。此外，金叉指标的频繁出现也可能导致选出较多的高风险股票，需要注意分散风险。
如何优化？
为了降低风险并提高策略的精度，我们可以考虑以下优化措施：
- 加入其他技术指标或基本面数据来加强策略的全面性和鲁棒性；
- 对数据的质量和可靠性进行不断的检验和修正；
- 调整策略参数和选股条件，避免高风险股票的选出，注意分散风险。
最终的选股逻辑
综合考虑风险和优化需求，我们最终选择以下选股逻辑：
- 振幅大于1；
- 今日控盘大于21；
- 使用不同的技术指标，如MACD或均线系统，要求三个指标同时出现金叉事件。
同花顺指标公式代码参考
以下是同花顺实现此策略的部分指标公式代码：
// 使用MACD指标
C1 = AMP() > 1;
C2 = ABS(CONTROLLING_SHARES_DAY_CHG()) > 21;
C3 = CROSS(MACD(NULL, NULL, 12, 26, 9, 0), MACD(NULL, NULL, 12, 26, 9, 1)) AND CROSS(MACD(NULL, NULL, 12, 26, 9, 1), MACD(NULL, NULL, 12, 26, 9, 2)) AND CROSS(MACD(NULL, NULL, 12, 26, 9, 2), MACD(NULL, NULL, 12, 26, 9, 3));
SELECTOR = C1 AND C2 AND C3;
RESULT = REF(SORT(RANK(SELECTOR), 1), 0) == 0;
python代码参考
以下是Python实现此策略的部分代码：
def select_stocks():
selected_stocks = []
for stock in get_all_stocks():
c1 = get_price(stock, end_date=datetime.now(), frequency='1d', fields='amplitude')[-1] > 0.01
c2 = abs(get_controlling_shareholders(stock, end_date=datetime.now(), frequency='1d')['controlling_shareholders_day_pct_change'][-1]) > 0.21
macd = get_macd(stock, end_date=datetime.now(), frequency='1d', fast_period=12, slow_period=26, signal_period=9)
c3 = (macd['macd'][-1] > macd['signal'][-1]) and (macd['macd'][-2] < macd['signal'][-2]) and (macd['macd'][-3] < macd['signal'][-3])
if c1 and c2 and c3:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_price_change(x, 1, datetime.now(), frequency='1d'), reverse=True)
return selected_stocks
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要根据自己的需求调整。
## 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。
