问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，2021年。
选股逻辑分析
该选股逻辑仅通过技术面指标，选取振幅大、底部抬高的股票，同时仅选取2021年的数据作为参考。该逻辑具有较强的技术面基础，且结合时间维度进行筛选，可以减少历史数据对选股结果的影响。
有何风险？
该选股逻辑忽略了具体基本面因素、市场行情和政策风险等因素的影响。同时，因仅以近期数据作为参考，存在过拟合的风险。此外，也没有考虑到因为特殊原因导致的异常行情，如全球性疫情等。
如何优化？
为了完善该选股逻辑，可以加入其他指标如MACD、RSI等技术面指标。同时，应结合基本面因素和操作风险等因素进行综合考虑，增加选股策略的可靠性和有效性。此外，应加入合理的时间跨度，避免仅以单一时间周期作为参考。
最终的选股逻辑
基于以上分析，完善的选股逻辑如下：
1.选出振幅大于1；
2.底部抬高；
3.加入其他技术面和基本面指标；
4.加入合理的时间跨度
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 AND YEAR(DATE) == 2021;
C2 = BOTTOM(HIGH, C1) > BOTTOM(HIGH, C1 + 1);
SELECTOR = C1 AND C2;
RESULT = SELECTOR;
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历史K线数据
df_kline = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['open', 'high', 'low', 'close', 'volume'], skip_paused=True, fq='pre')
# 计算底部抬高指标和振幅，判断是否符合选股逻辑
c1 = df_kline['high'].std() > 1 and df_kline.index.year[0] == 2021
c2 = BOTTOM(df_kline['high'], 2) > BOTTOM(df_kline['high'], 3) > BOTTOM(df_kline['high'], 4)
# 加入其他技术面和基本面指标的判断
# 选取符合条件的股票，加入结果列表中
if c1 and c2:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks('2021-01-01', '2021-12-31')
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。
