问财量化选股策略逻辑
选股逻辑：振幅大于1，反包出现，收盘价大于昨日的最低价。
选股逻辑分析
该选股逻辑主要通过反包和股价走势的特征来进行选股。通过股价的振幅和反包来较准确地判断股价暂时止跌且向上攀升的趋势，同时加入今日收盘价高于昨日最低价的条件，能增加选股策略的稳定性和正确性。
有何风险？
该选股策略多基于技术指标对股价的预测，跳过了一些重要的基本面分析，有忽视了企业的质量和价值。因此该策略可能会选出一些走势较为不稳定的或者估值比较高的企业，存在一定的风险。
如何优化？
我们可以通过跟踪基本面数据来优化该选股策略。具体来说，我们可以将财务数据纳入选股指标中，如收入、盈利、每股收益等。此外，考虑采用更为灵活的指标，比如结合市场整体风险水平等考虑，以便更好地把握市场趋势。
最终的选股逻辑
基于上述分析，我们提出改进后的股票筛选逻辑：
- 振幅大于1
- 反包出现
- 今日收盘价高于昨日最低价
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:CLOSE > REF(LOW, 1); // 今日收盘价高于昨日最低价
FILTER:F01 AND F02 AND F03;
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)
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
yesterday_low = low.shift(1)
today_close = close
price_change = today_close > yesterday_low
# 筛选符合条件的股票并按照热度排序
selected_stocks = (amplitude > 0.01) & reverse_pattern & price_change
selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
return selected_stocks.index.tolist()
选股逻辑中，我们从数据源取出每日的最高价、最低价和收盘价数据并与各项条件进行比对，只筛选出符合要求的股票进行分析。我们采用了 TA-Lib 库中的 MA() 函数和 CROSS() 函数来计算移动平均线和金叉信号，更方便快捷。
## 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。
