问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,昨日非涨停板。
选股逻辑分析
该选股策略综合了振幅指标、反包指标以及前一日股票非涨停的情况，通过要求选择波动较大、具有反包信号、且并非市场热点板块的个股来筛选具有投资价值的个股。
有何风险？
该选股策略的风险在于，市场波动大可能会影响到整个市场，而此选股逻辑同时会选出受波动影响较大的股票，存在一定的风险。同时，也容易受到市场热点板块影响，造成盲从买入。
如何优化？
可以加入其他的技术指标，如均线指标、KDJ 等，综合分析股票的价值、基本面以及技术面因素，减少市场波动的影响和盲从买入的风险。同时，在筛选昨日非涨停的股票时，可以设置涨停板幅度的阈值，避免因信息不准确而选择到不符合要求的公司。
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；
- 前一日不是涨停股票。
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:REF(CLOSE, 1) / REF(CLOSE, 2) < 1.1; // 前一日不是涨停股票
FILTER:F01 AND F02 AND F03 > 0;
SYMBOL_SORT("CLOSE*VOLUME*CAPITALIZATION/10000", SORT_DESCEND);
SELECT(IF(1, 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)
date_idx = pd.to_datetime(high.index).date
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
# 前一日不是涨停股票
pre_close = dv.get_ts('close', symbol=symbol, start_date=last_trade_date(), end_date=date_idx[-1])
pre_limit = pre_close * 1.1
not_limit_up = (close < pre_limit).iloc[-1]
selected_stocks = amplitude & reverse_pattern & not_limit_up
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，筛选出符合条件的股票列表，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。
