问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2。
选股逻辑分析
该选股逻辑主要考虑了技术面指标和市场情绪因素，选取了振幅大于1、周线为红柱，以及昨日换手率与今日竞价成交量的关系作为选股策略的主要条件。振幅大于1选出具有较大波动的股票，周线红柱表示中短期股价有上涨动能，昨日换手率与今日竞价成交量的关系则用于衡量市场情绪，进而选出表现较好的股票。
有何风险？
该选股逻辑加入了情绪因素来选择股票，但是此类指标相对来说相对不稳定，容易受到市场的波动影响，因此会有一定风险。此外，选股逻辑缺乏对基本面的考量，其结果可能与实际价值不符。
如何优化？
可以优化该选股逻辑：首先，在技术面指标中加入更多指标，如RSI、KDJ、BOLL等技术指标，以更全面的方式综合评价股票。其次，在情绪因素方面，可以加入更多的与均量线相关的指标，以更好的反映市场情绪波动。最后，综合考虑技术面和基本面，对于指标权重进行合理分配，更全面地考量选出的股票。
最终的选股逻辑
综合考虑技术面和市场情绪，最终确定该选股逻辑：
1.振幅大于1；
2.周线为红柱；
3.（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2；
4.市盈率低于20倍；
5.净利润增长率大于20%。
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(VOL,1)*REF((IBID1/CLOSE),1)) > 0.5 AND (REF(VOL,1)*REF((IBID1/CLOSE),1)) < 2;
C4 = PE() < 20;
C5 = NPParentCompanyGrowRate_year_on_year() > 20;
SELECTOR = C1 AND C2 AND C3 AND C4 AND C5;
RESULT = SELECTOR;
以上代码中，REF(VOL,1)与REF(IBID1/CLOSE,1)表示昨日成交量与今日竞价成交量的关系，其余指标的含义同上。
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():
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)
# 计算换手率与竞价成交量关系
prev_turnover_rate = get_price(stock, count=2, end_date=datetime.now(), frequency='1d', fields='turnover_rate')[0]
prev_volume = get_price(stock, count=2, end_date=datetime.now(), frequency='1d', fields='volume')[0][0]
curr_volume = get_price(stock, count=1, end_date=datetime.now(), frequency='1m', fields='volume')[0][0]
curr_turnover_rate = curr_volume / get_fundamentals(query(valuation, indicator).filter(valuation.code==stock).limit(1), date=datetime.now())['total_share'][0] * 100
c3 = prev_turnover_rate[-1] * (curr_turnover_rate / prev_volume[-1]) > 0.5 and prev_turnover_rate[-1] * (curr_turnover_rate / prev_volume[-1]) < 2
# 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
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] < 20
c5 = s_df['npparentcompanyprofits_year_on_year'][0] > 20
# 判断是否符合选股逻辑
if c1 and c2 and c3 and c4 and c5:
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。
