问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱，流通市值50亿-100亿。
选股逻辑分析
该选股逻辑考虑了流通市值和技术面的因素，筛选出流通市值在50亿-100亿之间、振幅较大、近期股价走势良好的股票。这样就可以在具有一定风险承受能力的前提下，寻找投资机会。
有何风险？
该选股逻辑也存在一定的风险。其中，流通市值没有考虑股票的总市值和EPS等因素，也没有考虑个股盈利能力、业绩增长等基本面数据。因此，在选股时还需要深入研究基础数据和市场趋势。
如何优化？
可以进一步加入基本面因素，如市盈率、市净率、ROE等，考虑选取符合条件的绩优股。此外，还可以考虑MACD、KDJ等指标作为补充，以寻求更精确的适用于走势相对稳定的股票。
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.流通市值在50亿-100亿之间。
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 = CAPITALIZATION() >= 50 AND CAPITALIZATION() <= 100;
SELECTOR = C1 AND C2 AND C3;
RESULT = SELECTOR;
其中，CAPITALIZATION 表示流通市值，RED 表示红柱线。
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_info = get_fundamentals(query(valuation.capitalization).filter(valuation.code == stock), start_date=start_date, end_date=end_date)
c3 = float(df_info['capitalization']) >= 50 and float(df_info['capitalization']) <= 100
# 判断是否符合选股逻辑
if c1 and c2 and c3:
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。
