问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,换手率>2%且<9%。
选股逻辑分析
该选股策略同样将技术指标和基本面指标结合起来，综合考虑了振幅、反包指标及换手率要求，加强了对股票涨跌趋势的监测，以筛选出具有潜力的股票。
有何风险？
同样与上一个选股策略类似，该选股逻辑也对于公司基本面及宏观经济环境的影响等关键因素未作充分考虑，同时该选股策略过于依赖技术指标对股票走势的判断，对于个股财务状况等重要因素可能失之简单。
如何优化？
可结合多方面指标，包括技术指标、基本面指标及市场环境等因素，对于振幅、反包等指标，也要考虑其需要结合夜间及次日等数据加以判断，同时在确定换手率要求范围时，需注意市场环境和个股走势等多因素的影响。
最终的选股逻辑
综合以上分析，提出完善后的选股逻辑：
- 振幅大于1；
- 反包出现；
- 换手率 > 2% 且 < 9%；
- 结合基本面指标进行深度分析；
- 过滤得到满足条件的股票。
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: TURNOVERRATE > 2 AND TURNOVERRATE < 9; // 换手率
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, symbols):
# 获取数据，计算指标
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
close = dv.get_ts('close', symbol=symbols)
turnover_rate = dv.get_ts('turnover_rate', symbol=symbols)
price = (close == 18.5)
ta_func = Ta('CDLTASUKIGAP', 0, dv.get_ts('open'), high, low, close)
reverse_pattern = (Ta('CDL2CROWS', 0, dv.get_ts('open'), high, low, close) == 100)
turn_over = ((turnover_rate > 2) & (turnover_rate < 9))
selected_stocks = ((high / low - 1 > 0.01)\
& reverse_pattern\
& turn_over\
& price)
selected_stocks = selected_stocks.sort_values(by='close', ascending=True)
return selected_stocks.index.tolist()
将振幅、反包指标和换手率进行综合判断，对于选股结果的精准度有所提高，同时结合基本面指标、资金流向等，降低选股风险。
## 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。
