问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,周线MA5金叉MA10。
选股逻辑分析
该选股策略综合了振幅指标、反包指标以及周线MA5和MA10金叉指标，同时要求选择周线MA5金叉MA10的股票，来筛选具有增长性和潜力性的个股。
有何风险？
该选股策略可能会排除掉那些近期相对较强但周线MA5未与MA10金叉的个股，而且在盘整市场中选股效果不佳。此外，由于短期的金叉和死叉可能并不可靠，策略也可能错过一些较好的投资机会。
如何优化？
可以采用相对强度指标，主动选择相对强势的个股，同时可以增加其他指标，如市盈率、市净率等，来分析股票的价值投资和跨周期表现。
最终的选股逻辑
基于以上分析，我们提出下面完善后的选择逻辑：
- 振幅大于1；
- 反包出现；
- 周线MA5金叉MA10。
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:WMA(CLOSE,5) > WMA(CLOSE,10) AND CROSS(SSIFROE(WMA(CLOSE,5)), SSIFROE(WMA(CLOSE,10))); // 周线MA5金叉MA10
FILTER:F01 AND F02 AND F03 > 0;
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", "Ta('MA', 0, close, volume, 5)", add_data=True)
ma10 = dv.add_formula("MA10", "Ta('MA', 0, close, volume, 10)", add_data=True)
golden_cross = (ma5 > ma10) & (ma5.shift() < ma10.shift())
selected_stocks = amplitude & reverse_pattern & golden_cross
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。
