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，竞价涨幅＞-2＜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
该选股策略主要通过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；
- 竞价涨幅＞-2＜5，说明该股票在当天开盘时存在相对小幅上涨。
有何风险？
以下是该选股策略可能产生的风险：
- 仅考虑了技术面等因素，没有考虑公司的基本面、行业和市场等因素，可能造成投资风险；
- 选股策略设置的条件过于简单，在市场波动较大、异常情况下表现不稳定，可能造成回撤较大；
- 竞价涨幅只是当天开盘时的变化幅度，不一定能够反映出股票后续表现的真实情况。
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：
- 加入其他技术指标和基本面、行业、市场等因素进行综合分析；
- 增加止损机制和风险控制策略，防止投资组合遭遇异常情况；
- 对竞价涨幅指标加以改进，例如可以针对不同的行业和市场采用不同的涨幅范围，或者将开盘价和前一天收盘价之间的涨跌幅纳入考虑。
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；
- 加入其他技术指标和基本面、行业、市场等因素，结合竞价涨幅指标，进行综合分析；
- 增加止损机制和风险控制策略，防止投资组合遭遇异常情况。
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，竞价涨幅＞-2＜5 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) >= MA(CLOSE,120) AND BID_PRICE_1/BID_PRICE_2 >0.98 AND BID_PRICE_1/BID_PRICE_2 <1.05
ORDER BY
/* 写入具体排序字段 */
XX DESC
注：以上代码需要在同花顺的选股界面中进行填充，其中XX为股票代码，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
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取K线数据和竞价数据 ####
rs_k_data = bs.query_history_k_data_plus(code="sh.600000", fields="date,code,open,high,low,close,volume", start_date='2021-08-01', end_date='2021-09-30', frequency="d", adjustflag="2")
rs_bid_data = bs.query_history_k_data_plus(code="sh.600000", fields="date,code,bid_price1,bid_price2", start_date='2021-08-01', end_date='2021-09-30', frequency="d", adjustflag="2")
#### 计算振幅和均线 ####
k_data = rs_k_data.get_data()
bid_data = rs_bid_data.get_data()
bid_data['BID_RATE'] = bid_data['bid_price1'] / bid_data['bid_price2']
stock_data = pd.merge(k_data, bid_data, on=['date', 'code'], how='inner')
stock_data['AMPLITUDE'] = (stock_data['high']-stock_data['low']) / stock_data['close'].shift(1) * 100
stock_data['MA20'] = ta.MA(stock_data['close'], timeperiod=20)
stock_data['MA120'] = ta.MA(stock_data['close'], timeperiod=120)
#### 判断符合条件的股票 ####
selected_stock = stock_data[(stock_data['AMPLITUDE'] > 1) &
(stock_data['MA20'] > stock_data['MA120']) &
(stock_data['BID_RATE'] > 0.98) &
(stock_data['BID_RATE'] < 1.05)]
#### 登出系统 ####
bs.logout()
return selected_stock['code']
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。
