问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,企业性质。
选股逻辑分析
该选股策略结合了技术面和基本面的因素，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现上涨趋势。企业性质方面，可能考虑市值大小、板块（以行业和概念分类）等因素。
有何风险？
该选股逻辑在企业性质方面较为模糊，需要考虑的因素较多，且可能存在主观因素的干扰，容易出现概念股和热点追涨的情况，而非真正的价值投资。
如何优化？
可以进一步明确企业性质的考虑因素，如市值大小、成长性、盈利能力等。同时，针对板块的考虑可以考虑使用龙虎榜数据等获取更为全面的信息。在策略执行时，同样需要定期修订和迭代，优化策略的效果。
最终的选股逻辑
经过优化，最终的选股逻辑如下：
1.振幅大于1；
2.周线为红柱；
3.企业市值大于100亿元，盈利能力良好（净利润增长率5年复合增长率大于10%），成长性良好（ROE大于15%）。
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 = MARKETVALUE() > 10000000000 AND
GROWTH(net_profit, 5) > 10 AND
ROE() > 15;
SELECTOR = REF(SORT(RANK(VOL()/MEAN(VOL(),20)),1),0) == 0;
RESULT = SELECTOR AND C1 AND C2 AND C3;
以上代码中，添加了 MARKETVALUE 函数来获取企业市值大小，添加了 GROWTH 函数和 ROE 函数来获取企业的盈利能力和成长性。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_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)
# 获取最近一天的基本面数据
s_df = get_fundamentals(query(valuation, income, indicator).filter(valuation.code==stock).limit(1), date=datetime.now())
if s_df.empty or macd_df.empty:
continue
# 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
c3 = s_df['market_cap'][0] > 1e10 and s_df['net_profit_growth_rate'][0] > 10 and s_df['roe'][0] > 15
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。
