问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,价格＜12。
选股逻辑分析
该选股策略选用了振幅指标和反包指标来选择波动较大、具有反转信号的股票，并加入了价格指标进行筛选，选出价格较低的股票。通过综合考虑这些指标，选出具有投资价值的股票。
有何风险？
价格过低有可能意味着企业基本面出现问题，投资风险会更大，因此需要进行深入的财务分析和基本面研究，不能仅依靠这一个指标进行投资。此外，采用振幅指标进行筛选的策略虽然可以凸显出市场波动较大的股票，但是振幅指标并不能全面反映市场趋势，有可能存在一些具有良好基本面但波动较小的股票被漏选的情况。
如何优化？
可以加入其他指标如市净率、市盈率等进行筛选，以综合考虑估值和市场趋势的因素，提高选股的准确性。同时，在价格方面也可使用其他指标来代替价格本身进行筛选，以提高选股的稳定性。
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；
- 价格低于12。
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: CLOSE < 12; // 价格低于12
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, 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)
selected_stocks = (amplitude & reverse_pattern & (close < 12))
selected_stocks.sort_values("close", ascending=True, inplace=True)
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，并按照价格指标对股票进行排序，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。
