问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,高点为两日最高。
选股逻辑分析
该选股逻辑在技术面综合考虑了趋势、市场情绪和当前股价位的走势等指标。振幅大于1、周线红柱反映了股票较强的技术面趋势，高点为两日最高则代表了近期股票价格的上涨趋势，具备了较好的市场情绪，能够轻松引起市场热度。
有何风险？
该选股逻辑忽略了公司基本面和未来业绩增长的潜力等重要指标。同时，如果股票整体交易量过小，则容易被少量的交易影响股价波动及市场情绪指标的表现。
如何优化？
为了提高该选股逻辑的有效性并避免量太小的股票影响，可以结合选股策略中的其他技术面指标，如KDJ、RSI等指标，以更准确地度量股票的趋势和市场情绪，进而筛选出优质的股票。
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.高点为两日最高;
4.结合其他技术面指标。
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 = HHV(HIGH, 2) == HIGH;
SELECTOR = C1 AND C2 AND C3;
RESULT = SELECTOR;
其中，HHV(HIGH, 2)表示两日最高点，MACD(12, 26, 9)表示MACD指标，WEEKLY(COLOR(MACD(12, 26, 9), RED))表示周线MACD柱的颜色，AMP()为振幅指标。
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:
# 获取该股票在指定时间内的周线数据和日线数据
df_weekly = get_price(stock, start_date=start_date, end_date=end_date, frequency='weekly', fields=['low', 'high'], skip_paused=True, fq='pre')
df_daily = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['high'], skip_paused=True, fq='pre')
# 计算振幅指标，判断是否符合选股逻辑
c1 = df_daily['high'].std() > 1
# 计算MACD指标的周线红柱，判断是否符合选股逻辑
c2 = MACD(df_weekly['low'], 12, 26, 9)['macd'][-1] > 0 and MACD(df_weekly['low'], 12, 26, 9)['diff'][-1] > 0
# 判断该股票价格高点是否为两日最高，判断是否符合选股逻辑
if len(df_daily['high']) >= 2:
c3 = df_daily['high'][-1] == max(df_daily['high'][-2:])
else:
c3 = False
# 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。
