问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,高点为两日最高。
选股逻辑分析
该选股策略主要是在考虑波动性和控盘程度的同时，通过判断股票价格走势，确保高点为两日最高。这样可以适当降低误判风险，更好地选择表现良好的股票进行投资。
有何风险？
该选股策略的风险在于，单纯地关注个股的短期走势，可能会忽视了某些长期的投资价值。而且，股票的价格通常受到诸多因素的影响，不光是技术指标，包括公司基本面和市场情况等因素。
如何优化？
为了更全面地考虑各类因素，可以对该选股策略进行如下优化：
- 振幅大于1；
- 今日控盘＞21；
- 确保高点为两日最高；
- 考虑更多的技术指标，如KDJ、RSI等；
- 考虑相对估值、PEG、市值和ROE等基本面指标；
- 使用综合的选股指标来筛选股票，如策略胜率和年化收益等。
最终的选股逻辑
经过细致考虑和优化，最终的选股逻辑为：
- 振幅大于1；
- 今日控盘＞21；
- 确保高点为两日最高；
- 考虑更多的技术指标，如KDJ、RSI等；
- 考虑相对估值、PEG、市值和ROE等基本面指标；
- 使用综合的选股指标来筛选股票，如策略胜率和年化收益等。
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：
C1 = AMP() > 1;
C2 = ABS(CONTROLLING_SHARES_DAY_CHG()) > 21;
C3 = MAX(HIGH, 2) == REF(MAX(HIGH, 2), 1);
SELECTOR = C1 AND C2 AND C3;
RESULT = REF(SORT(RANK(SELECTOR AND CAPITALIZATION ), 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, count=1, end_date=datetime.now(), frequency='1d', fields='amplitude')[0] > 0.01
c2 = abs(get_controlling_shareholders(stock, count=1, end_date=datetime.now(), frequency='1d')['controlling_shareholders_day_pct_change'][0]) > 0.21
c3 = get_price(stock, count=2, end_date=datetime.now(), frequency='1d', fields='high')['high'][-1] == max(get_price(stock, count=2, end_date=datetime.now(), frequency='1d', fields='high')['high'])
if c1 and c2 and c3:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_stock_funds_flow_rank(x, 1, datetime.now()), reverse=True)
return selected_stocks
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要结合自身需求进行调整。
## 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。
