问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,近一个月内有过涨停。
选股逻辑分析
该选股逻辑主要考虑了股票的波动情况、趋势反转以及涨势等多种因素。振幅大于1说明股票波动范围较大，有短期价值；反包形态则暗示股票出现了趋势反转的可能，具有买入信号；近一个月内有过涨停则说明股票在短期内具有较好的市场表现，具有较好的持续性。综合以上因素，可以选出具有较好投资价值的股票。
有何风险？
该选股策略的主要风险在于其忽略了股票的基本面情况，过于依赖于股票的走势以及市场行情。此外，选股逻辑中虽然将涨停作为筛选条件之一，但没有对其具体的涨停数量、涨停次数等细节进行考虑，这可能会导致选出的股票潜在风险较高。
如何优化？
可以考虑在选股逻辑中加入更多的因素进行综合考虑，比如市场行情的整体走势、股票的基本面情况等。另外，可以加入涨停数量、涨停次数等细节进行筛选，从而减少选出高风险股票的概率。
最终的选股逻辑
在以上分析基础上，提出完善后的选股逻辑：
- 振幅大于1；
- 近3个交易日内出现反包形态；
- 近一个月内出现过1次涨停。
同花顺指标公式代码参考
以下是该选股策略在通达信中的指标公式代码：
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))); // 近3个交易日内出现反包形态
F03: (HHV(HIGH, 22) == REF(CLOSE, 1) AND REF(HHV(HIGH, 22) == 1)); // 近一个月内出现过1次涨停
FILTER: F01 AND F02 AND F03;
SELECT(IF(1, 1, 0), "选股"); // 输出选中的股票
其中 HHV(HIGH, 22) 为通达信自带函数，表示返回最近22个交易日内的最高价。
python代码参考
以下是 Python 实现该策略的选股逻辑：
# 数据预处理部分
close = dv.get_ts('close', symbol=symbols)
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
df_pct_chg = close.pct_change()
df_pct_chg[df_pct_chg.isna()] = 0
ta_func_renko = Ta('CDLTRISTAR', 0, high, low, close)
rt_filter = (ta_func_renko == 100)
rt_filter = rt_filter.iloc[:, :-1].sum(axis=1) > 0
amp_filter = (high / low - 1) > 0.01
lmtup_cnt_filter = (dv.get_ts('limitup_count', symbol=symbols, start_date=start_date, end_date=end_date) > 0).sum() >= 1
selected_stocks = ((amp_filter & rt_filter) & lmtup_cnt_filter).sort_values(ascending=False)
return selected_stocks.index.tolist()
通过综合考虑振幅、反包、涨停等因素来进行筛选，以筛选出具有较好的市场表现和持续性的股票。
## 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。
