问财量化选股策略逻辑
选股逻辑：振幅大于1，反包，非科创。
选股逻辑分析
加入非科创的筛选条件可以限制选股范围，将选股结果集中在非科技创新行业的股票中。振幅和反包的筛选条件在前文中已进行了分析，这里不再赘述。
有何风险？
非科技创新行业中，股票类型多样，包括金融、能源、制造业等。加入非科创的筛选条件可能会导致选出的股票在行业结构上比较单一，市场风险可能会增加。
如何优化？
可以加入其它基本面的因素进行进一步筛选，如企业盈利能力、财务状况等方面，增强选股策略的稳健性和可靠性。
最终的选股逻辑
基于以上分析，我们提出改进后的股票筛选逻辑：
- 振幅大于1；
- 反包出现；
- 所属行业非科技创新。
同花顺指标公式代码参考
以下是通达信指标的公式代码示例：
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:INDUSTRY != "科技创新"; // 非科技创新行业
FILTER:F01 AND F02 AND F03;
SYMBOL_SORT("热度", SORT_DESCEND);
SELECT(IF(F04, 1, 0), "诊股"); // 输出文本信息：选股
python代码参考
以下是用 Python 实现该策略的选股逻辑：
def stock_filter(dv, symbol):
# 获取股票数据
high = dv.get_ts("high", symbol=symbol)
low = dv.get_ts("low", symbol=symbol)
close = dv.get_ts("close", symbol=symbol)
industry = dv.get_ts("industry_sw", symbol=symbol)
# 加入非科创行业筛选条件
non_tech = industry.apply(lambda x: x[0] != "居民服务业" and x[2] != "科创板", axis=1)
# 计算其他指标
selected_stocks = (high / low - 1 > 0.01) & (Ta('CDL2CROWS', 0, open, high, low, close) == 100) & (non_tech)
selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
return selected_stocks.index.tolist()
同样使用 Python 和 TA-Lib 进行计算，加入非科创行业的筛选条件进行选股，以期获得更为优秀的选股结果。
## 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。
