问财量化选股策略逻辑
选股逻辑为振幅大于1，20日均线大于120日均线，今日最大跌幅＜-4且＞-5。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略基于以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 20日均线大于120日均线，说明该股票处于上涨趋势；
- 今日最大跌幅＜-4且＞-5，说明该股票出现较大的下跌，但具有较好的反弹潜力。
有何风险？
以下是该选股策略可能产生的风险：
- 只关注短期涨跌幅，缺乏长期价值属性；
- 忽略其他因素（如估值、基本面、财务指标等），可能产生选错标的的风险；
- 随着市场环境和规则的变化，该选股策略可能失去效果。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 在短期涨跌幅的基础上，加入更多的技术指标和基本面、行业、市场等因素，进行综合分析；
- 加强风险控制，控制好交易的仓位和风险；
- 建立更加完整的投资逻辑和体系，从长远和全面的角度考虑投资标的。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，20日均线大于120日均线；
- 今日最大跌幅＜-4且＞-5；
- 在以上条件下，加入更多的技术指标和基本面、行业、市场等因素，进行综合分析；
- 加强风险控制，控制好交易的仓位和风险；
- 建立更加完整的投资逻辑和体系，从长远和全面的角度考虑投资标的。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，20日均线大于120日均线，今日最大跌幅＜-4且＞-5 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) > MA(CLOSE,120) AND MINUS(DROP, DROP[1])/REF(CLOSE,1)*100 > -5 AND MINUS(DROP, DROP[1])/REF(CLOSE,1)*100 < -4
LIMIT 5
注：以上代码需要在同花顺的选股界面中进行填充，其中MA和MINUS为同花顺自带的技术指标，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import pandas as pd
import talib as ta
from datetime import datetime, timedelta
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取K线数据和股票基本信息 ####
rs_k_data = bs.query_history_k_data_plus(code='', fields='date,code,open,high,low,close,amount', start_date='2021-09-01', end_date='2021-10-20', frequency='d', adjustflag='2')
rs_basic_info = bs.query_stock_basic()
#### 计算振幅和均线 ####
k_data = rs_k_data.get_data()
basic_info = rs_basic_info.get_data()
k_data['AMPLITUDE'] = (k_data['high']-k_data['low']) / k_data['close'].shift(1) * 100
k_data['MA20'] = ta.MA(k_data['close'], timeperiod=20)
k_data['MA120'] = ta.MA(k_data['close'], timeperiod=120)
k_data = k_data[(k_data['close'].pct_change(periods=1)*100 > -5) & (k_data['close'].pct_change(periods=1)*100 < -4)].reset_index(drop=True) ## 选择今日最大跌幅＜-4且＞-5
#### 判断符合条件的股票 ####
selected_stock = []
for code in k_data['code'].unique():
stock_k_data = k_data[k_data['code']==code].reset_index(drop=True)
if (stock_k_data['AMPLITUDE']>1).all() and (stock_k_data['MA20']>stock_k_data['MA120']).all():
selected_stock.append(code)
#### 登出系统 ####
bs.logout()
return selected_stock
注：以上python代码需要安装baostock等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
