问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,9点25分涨幅小于6%。
选股逻辑分析
该选股策略将振幅和反包指标作为技术面选股指标，将涨幅作为基本面指标，同时考虑了早盘开盘第一时间的涨跌情况，选股比较严格，适用于追求稳健收益的投资者。
有何风险？
该选股策略忽略了股票归因于行业、宏观经济等整体环境因素的影响，只是从单一角度出发进行技术面和基本面的选股，对于个股实际情况的把握可能并不准确，因此存在选股风险。
如何优化？
可以从行业、资金流向、公司财务等多方面考虑，结合多种技术指标和基本面指标进行选股，同时加强对个股的研究分析，综合考虑多种因素，提高选股的准确性和稳定性。
最终的选股逻辑
基于以上分析，提出完善后的选股逻辑：
- 振幅大于1；
- 反包出现；
- 9点25分涨幅小于6%；
- 结合行业、资金流向、公司财务等多方面指标进行综合筛选；
- 筛选出优质股票。
同花顺指标公式代码参考
以下是该选股策略的通达信指标公式代码：
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: REF(HIGH, 0) / REF(CLOSE, 1) < 1.06; // 9点25分涨幅小于6%
FILTER: F01 AND F02 AND F03;
SELECT(IF(1, 1, 0), "选股"); // 输出文本信息：选股
python代码参考
以下是 Python 实现该策略的选股逻辑：
def stock_filter(dv, symbols):
# 获取数据，计算指标
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
close = dv.get_ts('close', symbol=symbols)
price = dv.get_ts('open', symbol=symbols) # 获取开盘价作为早盘第一时间的价格
returns = dv.get_ts('return', symbol=symbols)
price_925 = price.iloc[:, 1]
returns_925 = returns.iloc[:, 1]
price_filter = (price_925 / close.iloc[:, 0] < 1.06) # 9点25分涨幅小于6%
ta_func = Ta('CDLTASUKIGAP', 0, dv.get_ts('open'), high, low, close)
reverse_pattern = (Ta('CDL2CROWS', 0, dv.get_ts('open'), high, low, close) == 100)
amp = (high / low - 1 > 0.01)
selected_stocks = (amp & reverse_pattern & price_filter)
selected_stocks = selected_stocks.sort_values(by='close', ascending=True)
return selected_stocks.index.tolist()
综合考虑技术面和基本面，对于股票的振幅、早盘涨幅、反包状况等关键指标做出了较为严格的要求，筛选出优质的个股，提高投资收益的稳定性。同时，建议在选股过程中综合考虑多种因素，包括行业、资金流向、公司财务状况等因素，减少选股风险。
## 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。
