问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,k小于20。
选股逻辑分析
该选股逻辑在基于技术指标的筛选条件基础上，增加了K线因子的限制条件，以过滤出较为稳定的股票。通过筛选出符合该策略的股票，可以起到一定的参考价值。
有何风险？
该选股逻辑忽略了公司的基本面因素，过度关注技术指标。此外，过度依赖K线因子，没有考虑其他因素可能会使选股结果过于单一和片面。在缺乏公司前景和行业背景方面的在考虑时，选股并不能高效地带来稳定的投资收益。
如何优化？
可以加入更多领域和涉及的技术因素，例如MACD、BOLL等指标，以更全面的角度来进行分析和筛选。同时，在品种和风险管理方面也要考虑多方面的因素，并结合公司的基本面，以选择符合实际需求的股票。
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；
- K值小于20。
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: KDJ.K < 20; // K值小于20
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)
# 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
k_value = Ta('KDJ', timeperiod=9).KDJ_K
kdj_filter = (k_value < 20)
selected_stocks = ((amp & rt_filter) & kdj_filter).sort_values(ascending=False)
return selected_stocks.index.tolist()
通过 KDJ 指标计算 K 值，并加入振幅和反包的限制，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。
