问财量化选股策略逻辑
选股逻辑：振幅大于1，反包，2021年营收/2018年营收大于1.1。
选股逻辑分析
除了技术指标，该选股逻辑还考虑了公司基本面，即营收增长率。筛选出营收增长率较好的公司，可以减少一定的风险，同时提高选股的准确性。
有何风险？
该选股逻辑仍然只是一个有限的机器策略，并未考虑其他的重要因素，如股票的市场价值、成交量等，可能导致选股结果出现瑕疵。同时，在不同的行业之间，营收增长率的可比性也会有所不同。
如何优化？
可以进一步考虑其他基本面因素，如市盈率、净资产收益率等指标，从多角度挖掘优秀的公司。此外，可以通过聚合多个模型的方法，综合考虑不同选股策略的优点。
最终的选股逻辑
基于以上分析，我们提出改进后的股票筛选逻辑：
- 振幅大于1；
- 反包出现；
- 2021年营收/2018年营收大于1.1。
同花顺指标公式代码参考
以下是通达信指标的公式代码示例：
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:YEAR4(C.2018) != 0
AND YEAR4(C.2021) != 0
AND (C.2021 / C.2018) > 1.1; // 营收增长率大于1.1
FILTER:F01 AND F02 AND F03;
SYMBOL_SORT("热度", SORT_DESCEND);
SELECT(IF(F04, 1, 0), "诊股"); // 输出文本信息：选股
python代码参考
以下是用 Python 实现该策略的选股逻辑：
def stock_filter(dv, symbol):
# 获取股票数据
high = dv.get_ts("high", symbol=symbol)
low = dv.get_ts("low", symbol=symbol)
close = dv.get_ts("close", symbol=symbol)
revenue_2018 = dv.get_ts("revenue", symbol=symbol, start_date="20180101", end_date="20181231").iloc[0]
revenue_2021 = dv.get_ts("revenue", symbol=symbol, start_date="20210101", end_date="20211231").iloc[0]
# 计算其他指标
selected_stocks = (high / low - 1 > 0.01) & (Ta('CDL2CROWS', 0, open, high, low, close) == 100) & (revenue_2021 / revenue_2018 > 1.1)
selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
return selected_stocks.index.tolist()
在 Python 中实现整个选股逻辑，获取营收数据并计算营收增长率作为筛选条件之一，从而减小股票筛选的风险。
## 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。
