问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,股价为18.5元。
选股逻辑分析
该选股策略在之前的基础上增加了股价为18.5元的限制，通过该指标来进行筛选，进一步提高了选股的准确性，符合投资者的风险偏好。
有何风险？
该选股策略忽略了公司基本面的影响因素，同时股价涨跌也存在其他因素的影响，过于依赖于该指标存在一定的风险。
如何优化？
可以结合其他指标如PE、PB等基本面指标进行筛选，减少筛选风险，并注意对股价变化的原因进行分析，避免盲目选股。
最终的选股逻辑
综合以上分析，提出完善后的选择逻辑：
- 振幅大于1；
- 反包出现；
- 股价为18.5元；
- 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: CLOSE == 18.5; // 股价为18.5元
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)
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)
selected_stocks = ((high / low - 1 > 0.01) & reverse_pattern & price)
selected_stocks = selected_stocks.sort_values(by='close', ascending=True)
return selected_stocks.index.tolist()
在基础的振幅、反包指标上增加了对股价的监测，以更好地确定反转信号和股票的潜力。利用动态调节等方法增强策略的有效性，同时结合基本面指标，减少风险。
## 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。
