问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,上市大于一年。
选股逻辑分析
该选股逻辑主要考虑了技术面指标和基本面因素，选取了振幅大于1、周线为红柱，以及上市时间大于1年作为选股策略的主要条件。振幅大于1选出具有较大波动的股票，周线红柱表示中短期股价有上涨动能，上市时间大于1年作为对公司潜力的考量，筛选具备较好潜力的股票。
有何风险？
该选股逻辑缺少更加全面地考虑市场情况的指标，如市盈率、市净率等，以及对行业的分析，可能会忽略某些优质股票，存在一定的风险。
如何优化？
可以优化该选股逻辑：首先，应该综合考虑技术面和基本面指标，增加市盈率、市净率、ROE等指标，以更全面的方式综合评价股票。其次，在基本面指标上，可以加入雪球专业机构的研究报告分析，以更好发现有价值的股票。最后，在选股策略中应该考虑到各个行业的特点，根据不同的行业特征选择合适的选股策略。
最终的选股逻辑
综合考虑技术面和基本面，最终确定该选股逻辑：
1.振幅大于1；
2.周线为红柱；
3.上市时间大于1年；
4.市盈率低于20倍；
5.市净率小于3倍；
6.ROE大于10%。
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 = ListedDays() >= 365;
C4 = PE() < 20;
C5 = PB() < 3;
C6 = ROE() > 10;
SELECTOR = C1 AND C2 AND C3 AND C4 AND C5 AND C6;
RESULT = SELECTOR;
以上代码中，ListedDays()表示上市时间，其余指标的含义同上。
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():
selected_stocks = []
for stock in get_all_securities(['stock']).index:
# 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)
# 判断股票上市时间是否超过1年
c3 = get_security_info(stock).start_date < date.today() - timedelta(days=365)
# 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
s_df = get_fundamentals(query(valuation, indicator).filter(valuation.code==stock).limit(1), date=datetime.now())
if s_df.empty:
continue
c4 = s_df['pe_ratio'][0] < 20
c5 = s_df['pb_ratio'][0] < 3
c6 = s_df['roa2'][0] > 10
# 判断是否符合选股逻辑
if c1 and c2 and c3 and c4 and c5 and c6:
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。
