问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,昨天换手率＞8%。
选股逻辑分析
该选股策略将振幅和反包指标作为技术面选股指标，同时加入了换手率指标作为基本面选股指标，选股相对宽松，适用于追求高风险高收益的投资者。
有何风险？
该选股策略风险偏高，短期内盈利可能较大，但同时可能存在较大的风险和损失。此外，选股策略的成功率可能较低，存在选股风险。
如何优化？
可以结合多种技术指标和基本面指标进行选股，综合考虑多种因素，同时根据投资风格和风险偏好调整选股策略，提升选股准确性和稳定性。
最终的选股逻辑
基于以上分析，提出完善后的选股逻辑：
- 振幅大于1；
- 反包出现；
- 昨天换手率大于8%;
- 结合多家研究机构推荐度，分析行业趋势等基本面指标；
- 筛选出优质股票。
同花顺指标公式代码参考
以下是该选股策略的通达信指标公式代码：
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: REF(TO_SCODE(SECID), 1, 2) != REF(TO_SCODE(SECID), 2, 2); // 去掉跨时间段的交易
F04: (VOL / REF(VOL, 1) > 1) AND (VOL / MA(VOL, 30) > 1); // 今日换手率和30日均线较增长
F05: REF(TURN, 1) > 8; // 昨天换手率大于8%
FILTER: F01 AND F02 AND F03 AND F04 AND F05;
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)
volume = dv.get_ts('volume', symbol=symbols)
turnover_rate = dv.get_ts('turnover_rate', symbol=symbols)
turnover_rate_1 = turnover_rate.iloc[:, -2]
turnover_rate_30 = turnover_rate.iloc[:, :-30].max(axis=1)
close_1 = close.iloc[:, -2]
close_2 = close.iloc[:, -3]
price_filter = (turnover_rate_1 > 0.08) # 昨天换手率大于8%
amp = (high / low - 1 > 0.01)
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)
selected_stocks = (amp & reverse_pattern & price_filter)
selected_stocks = selected_stocks.sort_values(by='close', ascending=True)
return selected_stocks.index.tolist()
综合考虑技术面和基本面，对于股票的振幅、反包状况和昨天换手率三项指标做出了要求，筛选出符合标准的股票，提高投资收益的波动性。同时，建议在选股过程中综合考虑多种因素，包括行业趋势、资金流向、公司财务等因素，减小选股风险。
## 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。
