问财量化选股策略逻辑
选股逻辑：振幅大于1，反包，今日上涨幅度大于1%的主板股票。
选股逻辑分析
该选股逻辑主要考虑了股票走势、市场热度和大盘走势等因素，不仅考虑了技术指标，也考虑了基本面因素。振幅、反包等指标可以更好地筛选出具有良好短期走势的股票，而涨跌幅度等指标则可以更好地筛选出具有大盘参考价值的股票，同时具有一定基本面的支撑。
有何风险？
该选股逻辑的市场预判仍具有一定盲目性，且与长期投资价值的考虑不足。同时，选股方式过于简单，可能会漏掉一些细节信息。
如何优化？
可以加入更多的基本面指标，如市盈率、市净率等，进一步完善选股策略。可以将选股逻辑分为技术面和基本面两部分，在技术指标的筛选过程中，加入其他指标的判断，进一步提高选股的准确性。
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；
- 今日上涨幅度大于1%；
- 中证指数成份股，创业企业板除外。
- 其他合适的公司基本面指标。
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:(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)>0.01; // 今日上涨幅度大于1%
F04:INDEXMEMBER('000001.SH',STOCKCODE)>=0 AND INDEXMEMBER('399006.SZ',STOCKCODE)<0; // 中证指数成份股，创业企业板除外
FILTER:F01 AND F02 AND F03 AND F04;
SYMBOL_SORT("热点板块", SORT_DESCEND);
SELECT(IF(F05, 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)
profit = get_fundamentals(query(
income_net_profit_parent_company_annual
).filter(
income_net_profit_parent_company_annual.symbol == symbol
), end_date=dt.datetime.today(), count=1, panel=False)
# 计算其他指标
selected_stocks = (high / low - 1 > 0.01) & (Ta('CDL2CROWS', 0, open, high, low, close) == 100) & ((close - Ta('REF', 1, close)) / Ta('REF', 1, close) > 0.01) & (index_stockfilter('000001.SH', exclude=True) & index_stockfilter('399006.SZ', exclude=False))
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，需要先获取相关的股票数据和公司基础数据，如行情、净利润、归属母公司等数据，并与选股条件进行比对，从而得到选股结果。在本例中，先用 get_fundamentals 函数获取公司净利润的数据，再用其他指标计算选股结果，最后返回筛选结果。
## 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。
