问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,昨日主力控盘。
选股逻辑分析
该选股逻辑主要通过技术面和市场情绪来进行选股。振幅大于1表明股票波动较大，可能受到市场情绪的影响较大。周线红柱表明股票价格在短期内呈现上涨趋势。昨日主力控盘可以看出股票受到主力资金的关注和控制，可能意味着未来股价将有明显上涨趋势。
有何风险？
该选股逻辑忽略了基本面等其他因素的影响，仅考虑了技术面和市场情绪，股票选取的精度可能不够高，过于看重短期的市场情绪，容易导致投资者带来误导。
如何优化？
可以通过优化选股逻辑，提高选股的精度和稳定性。首先，可以增加基本面的因素，如股票的盈利情况、营收情况、行业竞争力等，识别股票潜在的风险和机会。其次，可以考虑加入资金流向等因素，如主力资金和散户资金的进出情况，来进一步挖掘优质股票。最后可以考虑采用机器学习和人工智能等大数据技术，结合多项因素，进行综合分析，以提高选股的精度和效果。
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.昨日主力控盘；
4.市盈率小于30倍；
5.市净率小于3倍；
6.股息率大于2%
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 = REF(LLV(LOW, 30), 1) == LLV(LOW, 30);
C4 = PE() < 30;
C5 = PB() < 3;
C6 = DIV() > 2;
SELECTOR = C1 AND C2 AND C3 AND C4 AND C5 AND C6;
RESULT = SELECTOR;
以上代码中，REF(LLV(LOW, 30), 1) == LLV(LOW, 30)表示选取昨日主力控盘的股票，其余指标的含义同上。
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)
# 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 = get_money_flow(stock, end_date=datetime.now()-timedelta(days=1)).loc['主力净流入'] > 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] < 30
c5 = s_df['pb_ratio'][0] < 3
c6 = s_df['dividend_yield_ratio'][0] > 2
# 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。
