问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,30日平均线向上。
选股逻辑分析
该选股逻辑同样结合了股票振幅、技术面指标等，但加入了30日平均线向上的条件，旨在筛选出近期有价格上涨趋势的股票。30日平均线的趋势方向可以反映出股票的长期价格表现，振幅和周线红柱可以反映出短期价格波动性。
有何风险？
该选股逻辑同样忽略了股票的基本面数据，如果市场行情转差或股票基本面发生变化，可能导致收益的下降。另外，30日平均线向上的条件是基于过去的走势进行判断，不能保证未来股票的价格表现。
如何优化？
同样地，可以加入更多的基本面数据，以综合考虑股票的价值和成长性，并从多角度筛选符合条件的股票。另外，可以在平均线的条件上加入一些限制或修饰，如比较当前价格与过去一段时间内的均价等，以减少波动带来的影响。
最终的选股逻辑
完善选股逻辑如下：
1.振幅大于1；
2.周线红柱；
3.30日均线向上；
4.市净率在1到5之间。
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(), 30) > REF(MA(CLOSE(), 30), 1);
C4 = PE() > 1 AND PE() < 5;
SELECTOR = C1 AND C2 AND C3 AND C4;
RESULT = SELECTOR;
其中，CLOSE() 表示收盘价，MA(CLOSE(), 30) 表示30日均线，REF(MA(CLOSE(), 30), 1) 表示昨日的30日均线。PE() 表示市盈率。
Python代码参考
以下是Python实现该选股策略的部分代码：
# 筛选符合条件的股票
def select_stocks(start_date, end_date):
selected_stocks = []
for stock in stocks:
# 获取技术面数据
c1 = AMP(get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['close'], skip_paused=True, fq='pre')['close']) > 1
df_weekly = get_price(stock, start_date=start_date, end_date=end_date, frequency='weekly', fields=['open', 'close'], skip_paused=True, fq='pre')
macd = MACD(df_weekly['close'], 12, 26, 9)
c2 = macd['macd'][-1] > 0 and macd['diff'][-1] > 0
df_daily = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['close'], skip_paused=True, fq='pre')
c3 = float(df_daily['close'][-1]) > MA(df_daily['close'], 30)[-2]
df_info = get_fundamentals(query(valuation.pe_ratio).filter(valuation.code == stock), start_date=start_date, end_date=end_date)
c4 = float(df_info['pe_ratio']) > 1 and float(df_info['pe_ratio']) < 5
# 判断是否符合选股逻辑
if c1 and c2 and c3 and c4:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks('2022-01-01', '2022-12-31')
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。
