问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,今日最大跌幅＜-4且＞-5。
选股逻辑分析
该选股逻辑也同时综合了技术面和市场情绪因素，选股条件包括振幅大于1，周线为红柱，并且当日最大跌幅在-4%和-5%之间。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，当日最大跌幅在-4%和-5%之间可能是由于市场情绪导致的，可以将此作为一张价格逆势的“筛查名单”。但是这个区间的设置可能会忽略部分真正好的股票。
有何风险？
该选股逻辑中的风险主要在于当日最大跌幅不能充分说明个股的投资价值，股价可能受到其他非基本面的因素影响而产生大幅波动，所以需要对不同股票的投资价值进行综合考虑，不能单靠一两个变量来进行选股。此外，该选股逻辑在振幅和周线指标上可能被一些技术派所操作，有时候会出现“花瓶效应”。
如何优化？
可以加入一些其他基本面指标和财务数据，如市盈率、市净率、净利润增长率、资产负债率等指标，以便全面考量选出的股票的价值，并使用更多的技术指标，如RSI、KDJ等等，来评估市场的情绪等。
最终的选股逻辑
优化后的选股逻辑如下：
1.振幅大于1；
2.周线为红柱；
3.当日最大跌幅在-3%到-6%之间；
4.市盈率低于20倍；
5.净利润增长率大于20%。
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 = LLV(LOW(), 1) < REF(LOW(), 1) AND LOW() < REF(LOW(), 1) * (1 - 0.04) AND LOW() > REF(LOW(), 1) * (1 - 0.05);
C4 = PE() < 20;
C5 = NPParentCompanyGrowRate_year_on_year() > 20;
SELECTOR = C1 AND C2 AND C3 AND C4 AND C5;
RESULT = SELECTOR;
以上代码中，LLV(LOW(), 1)用于计算当日最低价，REF(LOW(), 1)用于获取前一天的最低价，PE()用于获取市盈率，NPParentCompanyGrowRate_year_on_year()用于计算净利润增长率，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:
# 获取最近一天的基本面数据和技术面数据
s_df = get_fundamentals(query(valuation, indicator).filter(valuation.code==stock).limit(1), date=datetime.now())
if s_df.empty:
continue
# 获取当日最大跌幅和净利润增长率等数据
today_low = get_price(stock, end_date=datetime.now(), frequency='daily', fields='low', count=1)[0]['low'][0]
prev_low = get_price(stock, end_date=datetime.now()-timedelta(days=1), frequency='daily', fields='low', count=1)[0]['low'][0]
max_drawdown = (today_low - prev_low)/prev_low
net_profit_growth_rate = s_df['npparentcompanyprofits_year_on_year'][0]
# 判断是否符合选股条件
c1 = (s_df['high'][0] - s_df['low'][0])/s_df['low'][0] > 0.01
macd_df = MACD(stock, end_date=datetime.now())
c2 = macd_df['macd'][-1] > 0 and macd_df['diff'][-1] > 0
c3 = -0.06 > max_drawdown > -0.04
c4 = s_df['pe_ratio'][0] < 20
c5 = net_profit_growth_rate > 20
# 判断是否符合选股逻辑
if c1 and c2 and c3 and c4 and c5:
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。
