问财量化选股策略逻辑
选股逻辑：振幅大于1，反包出现，前日实际换手率大于3%小于28%。
选股逻辑分析
该选股策略综合运用了技术分析和基本面分析，振幅与反包指标合理地判断了股票的趋势，反映了其价格波动的程度；实际换手率反映了股票流动性，这可以在着眼于股票风险的同时亦能保证流动性的基础上选择具备上升空间的股票。
有何风险？
该选股策略虽然考虑了实际换手率这一指标，但前日实际换手率并非股票的均值或者中位数等统计量，可能会由于数据波动较大而忽略一些潜在有价值的公司。
如何优化？
可以通过使用其他指标，例如市盈率、市净率等收益率指标来辅助筛选出具有长期价值的公司。
最终的选股逻辑
基于上述分析，我们提出完善后的股票筛选逻辑：
- 振幅大于1；
- 反包出现；
- 前日实际换手率大于3%小于28%。
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:(REF(VOL, 2) / TVAL(C, 2, 1) * 100 >= 3 AND REF(VOL, 2) / TVAL(C, 2, 1) * 100 < 28); // 换手率
FILTER:F01 AND F02 AND F03 > 0;
SYMBOL_SORT("热点板块", SORT_DESCEND);
SELECT(IF(F03， 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)
vol = dv.get_ts("volume", symbol=symbol)
turnover_rate = vol / dv.get_ts("total_share", symbol=symbol) * 100
actual_turnover_rate = turnover_rate.shift(2)
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
selected_stocks = (amplitude > 0.01) & reverse_pattern & (actual_turnover_rate.between(3, 28))
# 筛选符合条件的股票并按照热度排序
selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
return selected_stocks.index.tolist()
选股逻辑中，我们用 Python 的 pandas 库和 TA-Lib 库实现计算振幅指标、反包指标和实际换手率指标，并根据这三个指标筛选出符合条件的股票，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。
