问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,按个股热度从大到小排序名。
选股逻辑分析
该选股策略选用了振幅指标、反包指标和个股热度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，个股热度指标用于选择市场认可度较高，具备更好业绩的股票。通过对这些指标的综合考虑来选股，并按照个股热度对股票名称进行排序。
有何风险？
与之前的选股策略相同，PE指标可能会被一些因素所影响，如宏观经济因素、行业竞争情况等因素都对公司估值有影响，风险在于只基于PE可能无法真实准确反馈公司估值情况，同时也有可能出现市场大盘波动和预期不符等情况导致选股结果偏离。
另外，按照个股热度排序可能导致选股结果过于依赖市场的短期热点，不利于长期投资。同时，个股热度指标并不能完全反映出公司的实际价值，有可能出现选中过度炒作的股票的情况。
如何优化？
此选股策略可以加入其他估值指标、技术指标等多种指标来筛选股票，如市净率、PEG等估值指标，如MACD、RSI等技术指标，以综合考虑多种因素，提高选股的准确性和稳定性。同时在排序时也可采用其他指标如市值、前一交易日涨幅等进行衡量，避免选股太过依赖市场短期热点，提高选股结果的可靠性。
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；
- 按个股热度从大到小排序股票名称。
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
STK_HOT: RANK(CAPITALIZATION) / COUNT(*) DESC; // 个股热度排名
FILTER:F01 AND F02;
SYMBOL_SORT(STK_HOT, SORT_DESCEND);
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)
stk_hot = dv.add_formula("STK_HOT", "Rank(CAPITALIZATION) / Count(*)", is_quarterly=False, add_data=True)
selected_stocks = amplitude & reverse_pattern
selected_stocks.sort_values("STK_HOT", ascending=False, 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，并按照个股热度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。
