问财量化选股策略逻辑
选股逻辑：振幅大于1，反包出现，按今日竞价金额排序前5。
选股逻辑分析
该选股策略综合了振幅指标和反包指标，同时考虑了股票的今日竞价金额，以找出具有交易活跃性的股票并进行排序。
有何风险？
该选股策略可能会选出交易活跃但价值并不高的股票，不能有效解决基本面问题。
如何优化？
可以通过加入其他指标，如市场市值和未来的盈利潜力等，来综合考虑股票的价值。
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；
- 今日竞价金额从高到低排序，选取前5只股票。
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:RANK(BID_AMOUNT_TODAY) <= 5; // 今日竞价金额排序前5
FILTER:F01 AND F02 AND F03 > 0;
SYMBOL_SORT("BID_AMOUNT_TODAY", 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)
bid_amount_today = dv.get_ts("bid_amount_today", symbol=symbol)
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
selected_stocks = (amplitude > 0.01) & reverse_pattern
selected_stocks = selected_stocks[selected_stocks]
# 按照今日竞价金额排序
selected_stocks["bid_amount_today_rank"] = selected_stocks["bid_amount_today"].rank(ascending=False)
selected_stocks = selected_stocks[selected_stocks["bid_amount_today_rank"] <= 5]
return selected_stocks.index.tolist()
选股逻辑中，我们用 Python 的 pandas 库和 TA-Lib 库计算振幅和反包指标，并计算今日竞价金额并排序，从而筛选出符合条件的股票列表，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。
