问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,今日均线向上发散。
选股逻辑分析
该选股策略选用了振幅指标、反包指标和均线指标来选择具有投资价值的股票。其中，振幅指标用于筛选波动较大的股票，反包指标用于筛选出具有反转信号的股票，均线指标用于判断股票短期走势的方向并判断买入时机。通过对这些指标的综合考虑来选股。
有何风险？
该选股策略风险在于，均线只是一个参考指标，不一定能准确反映当前股票的走势。同时，选股指标结果可能对市场趋势、宏观经济等因素偏离导致，具有风险性。
如何优化？
此选股策略可以加入其他技术指标，如成交量、RSI等，以综合考虑技术面和基本面的因素，提高选股的准确性和稳定性。同时，可以加入风险管理的考虑，如设置止损、止盈、分散投资等，减少风险并提高整体收益。
最终的选股逻辑
基于以上分析，提出下面完善后的选择逻辑：
- 振幅大于1；
- 反包出现；
- 5日均线向上个股向上发散。
同花顺指标公式代码参考
以下是该选股策略的指标公式代码：
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: (C > MA(C, 5)) AND (MA(C,5)- REF(MA(C,5), 1) > 0); // 均线向上发散
FILTER:F01 AND F02 AND F03;
SYMBOL_SORT("CLOSE*VOLUME*CAPITALIZATION/10000", SORT_DESCEND);
SELECT(IF(1, 1, 0),"诊股"); // 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, symbol):
# 获取数据，计算指标
high = dv.get_ts("high", symbol=symbol)
low = dv.get_ts("low", symbol=symbol)
close = dv.get_ts("close", symbol=symbol)
date_idx = pd.to_datetime(high.index).date
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
ma5 = dv.add_formula('ma5', 'ma(close, 5)', is_quarterly=False, add_data=False)
ma5_div = ma5 - ma5.shift(1)
ma5_div[ma5_div <= 0] = np.nan
ma5_div_selected = (ma5_div > 0)
selected_stocks = amplitude & reverse_pattern & ma5_div_selected
return selected_stocks.index.tolist()
选股逻辑中，我们用 Python 的 pandas 库和 TA-Lib 库计算指标，筛选出符合条件的股票列表，以得到我们需要选择的股票列表。
## 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。
