问财量化选股策略逻辑
选股逻辑：振幅大于1，反包，高点为两日最高。
选股逻辑分析
振幅和反包是选股中常用的技术指标。添加高点为两日最高的条件是为了筛选出方向明确、上涨趋势明显的股票。该选股逻辑相对简单，容易理解和实现。
有何风险？
该选股逻辑忽略了一些重要的市场因素，如基本面等方面，可能导致选股策略的可靠性不足。此外，过于追求趋势和涨势，可能会错过市场中其他潜在的投资机会。
如何优化？
可以结合基本面、资金流向、市场情绪等多方面因素进行进一步筛选，或者使用机器学习等方法对选股策略进行优化。
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；
- 当日高点为两日内最高价。
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:REF(HIGH, 0) == MAX(HIGH, 2); // 高点为两日最高
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)
# 计算其他指标
selected_stocks = (high / low - 1 > 0.01) & (Ta('CDL2CROWS', 0, open, high, low, close) == 100) & (high == pd.concat([high.shift(i) for i in range(2)], axis=1).max(axis=1))
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，添加高点为两日最高的条件进行选股，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。
