问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,100亿市值以内的无亏损企业。
选股逻辑分析
该选股逻辑在技术指标的基础上，增加了公司市值和盈利能力的条件。通过对市值的限制和盈利情况的筛选，可以提高选出优质股票的概率，并更加符合长期投资的原则。
有何风险？
该选股逻辑仍然缺少一些市场风险因素的考虑，对公司基本面的评估也可能不够全面。此外，选择100亿市值以内的企业也存在忽略大中型企业的可能性，可能会错失某些优质的投资机会。
如何优化？
可以通过加入更多的市场因素和行业动态等方面的数据进行筛选，并适当放宽条件以便获取更多的优质投资机会。此外，也可以通过增加对基本面指标的考虑，例如利润率和资产负债率等指标，提高选股的准确性和稳定性。
最终的选股逻辑
在以上分析基础上，提出完善后的选股逻辑：
- 振幅大于1；
- 近3天内出现反包形态；
- 100亿市值以内的企业；
- 筛选出无亏损的企业。
同花顺指标公式代码参考
以下是该选股策略在通达信中的指标公式代码：
F01: HIGH/LOW - 1 > 0.01; // 振幅大于1
F02: NOT(SIGN(CLOSE - REF(CLOSE, 1)) == SIGN(REF(CLOSE, 1) - REF(CLOSE, 2))); // 反包
F03: (CAPITALIZATION <= 100) && (CLOSEDPROFIT >= 0); // 市值100亿以内的无亏损企业
FILTER: F01 AND F02 AND F03;
SELECT(IF(1, 1, 0), "选股"); // 输出选中的股票
python代码参考
以下是 Python 实现该策略的选股逻辑：
# 数据预处理部分
close = dv.get_ts('close', symbol=symbols)
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
factor = dv.get_ts('factor', symbol=symbols)
# 计算技术指标
amp = (close / close.shift(1) - 1).abs() > 0.01
ta_func_renko = Ta('CDLTRISTAR', 0, dv.get_ts('open', symbol=symbols), high, low, close)
rt_filter = (ta_func_renko == 100)
rt_filter = rt_filter.iloc[:, :-1].sum(axis=1) > 0
# 计算市值和盈利能力
close_adj = close * factor / factor.iloc[-1, :]
capitalization = dv.get_fundamental('capitalization', symbol=symbols, start_date=start_date, end_date=end_date)
closed_profit = dv.get_fundamental('closed_profit', symbol=symbols, start_date=start_date, end_date=end_date)
capitalization = capitalization.loc[:, capitalization.iloc[-1, :] <= 10000000000] # 过滤掉市值大于100亿的企业
no_loss = closed_profit.loc[:, (closed_profit > 0).all()] # 筛选出无亏损的企业
# 筛选符合条件的股票
selected_stocks = ((amp & rt_filter) & capitalization & no_loss).sort_values(ascending=False)
return selected_stocks.index.tolist()
该代码实现了选股策略的核心部分，通过使用 CDLTRISTAR 指标计算反包形态，计算市值和盈利能力，以便选出优质股票。
## 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。
