问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,规模2亿以上。
选股逻辑分析
该选股策略主要考虑了技术面和市值因素。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。市值大于2亿，也保证所选股票具备一定的规模，符合一定的成长性。
有何风险？
该选股策略可能会忽略一些小板块股票，例如创业板、中小板等，忽略了个体股票的重要性。另外，仅从市值进行筛选，忽略了其他基本面指标如盈利能力、财务状况等。
如何优化？
可以适当增加选股因素，例如增加ROE、净利润、市盈率等因素综合考虑。另外，可以适当调整选股标准，例如在保证一定市值规模的情况下，放宽振幅的限制，增加相应的机会。
最终的选股逻辑
经过优化，最终选股逻辑如下：
1.振幅大于1；
2.周线为红柱；
3.总市值大于2亿。
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 = MCAP() > 2e8;
SELECTOR = REF(SORT(RANK(VOL()/MEAN(VOL(),20)),1),0) == 0;
RESULT = SELECTOR AND C1 AND C2 AND C3;
其中，使用了 MCAP() 函数计算股票总市值，并加入了 INDEXCSI300 函数，保证所选股票属于深证主板指数成份股。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_index_stocks('399001.SZ'):
# 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, 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['circulating_market_cap'][0] > 2e8
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。
