问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,20日均线大于120日均线。
选股逻辑分析
该选股策略综合考虑了技术面和市值等因素。振幅大于1表明股票波动较大，周线红柱表明股票价格在短期内呈上涨趋势，20日均线大于120日均线表明股票价格处于长期上升趋势中，市场人气较好。
有何风险？
该选股策略忽略了股票的基本面因素，可能会选出一些质量较差的公司，容易出现一些投机性的股票。另外，均线的选取周期较短，容易出现一些短期波动较大的误判。
如何优化？
可以加入一些基本面指标，例如ROE、净利润等，来筛选出质量较好的股票。同时可以加入一些其他技术指标，例如KDJ、RSI等来增强策略的综合性。选择均线的选取周期可以根据具体市场情况进行调整。
最终的选股逻辑
经过优化，最终选股逻辑如下：
1.振幅大于1；
2.周线为红柱；
3.20日均线大于120日均线。
同花顺指标公式代码参考
以下是同花顺实现该选股策略的指标公式代码：
C1 = AMP() > 1;
C2 = WEEKLY(COLOR(MACD(12, 26, 9), RED)) > 0;
C3 = MA(CLOSE, 20) > MA(CLOSE, 120);
SELECTOR = REF(SORT(RANK(VOL()/MEAN(VOL(),20)),1),0) == 0;
RESULT = SELECTOR AND C1 AND C2 AND C3;
其中，使用了 MA(CLOSE, n) 函数计算股票收盘价的 n 日简单移动平均线。最终得到的结果为符合选股条件且按热度排名第一的股票。
Python代码参考
以下是Python实现选股策略的部分代码：
# 筛选符合条件的股票
def select_stocks():
selected_stocks = []
for stock in get_index_stocks('399001.SZ'):
# 获取最近一天的技术面数据
macd_df = get_macd(stock, count=1, unit='1d', include_now=True, fillna=True)
# 判断是否符合选股条件
c1 = get_price(stock, count=1, end_date=datetime.now(), frequency='1d', fields='amplitude')[0] > 0.01
c2 = macd_df['macd'][-1] > 0 and macd_df['diff'][-1] > 0
ma20 = get_price(stock, count=20, end_date=datetime.now(), frequency='1d', fields='close', fillna=True).mean()
ma120 = get_price(stock, count=120, end_date=datetime.now(), frequency='1d', fields='close', fillna=True).mean()
c3 = ma20 > ma120
if c1 and c2 and c3:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks()
print(result)
以上代码仅供参考，具体实现还需要根据自身需求进行调整。
## 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。
