问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,集中度70<20%。
选股逻辑分析
该选股策略同样采用了振幅指标和反包指标来选择波动较大、具有反转信号的股票，并加入了集中度指标，筛选出集中度处于特定范围内的股票。该选股逻辑依然较为偏向价值投资。
有何风险？
该选股策略可能会忽略一些成长性较好但集中度较高的公司，也有可能会忽略一些集中度较低但规模较小、成长性较好的公司。同时，集中度指标的定义和计算方法可能存在不确定性，不同来源、不同处理方式的数据会导致不同的结果，指标的可靠性受到影响。
如何优化？
可以结合行业特点、流动性和财务健康等因素，对集中度指标进行调整和优化，同时也可以加入其他指标，以便更全面地衡量公司的价值。
最终的选股逻辑
基于以上分析，提出下面完善后的选择逻辑：
- 振幅大于1；
- 反包出现；
- 集中度在20%以下。
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: GET_DATA(SCOPE=FULL,DATE_RANGE=-1).CONCENTRATION10 <= 20; // 集中度在20%以下
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)
date_idx = pd.to_datetime(high.index).date
conc = get_concentration(date_idx[-1], index='000300.XSHG', top_p=0.1).loc[symbols]
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
selected_stocks = ((amplitude & reverse_pattern) &
(conc['concentration10'] <= 20))
selected_stocks.sort_values("close", ascending=True, inplace=True)
return selected_stocks.index.tolist()
在计算股票指标的基础上，还需要获取集中度指标的数据，进而综合考虑，并根据阈值选取符合指标要求的股票。
## 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。
