问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，20日均线大于120日均线的股票。
选股逻辑分析
该选股逻辑基于技术面和线性面分析，较为全面地考虑了选股的指标，同时也避免了单纯追求热门股票、高成交量等指标所带来的市场热点反复、波动大等风险。同时该逻辑选择了较稳定的股票，有助于获取更稳定的盈利。
有何风险？
该选股逻辑主要基于技术面和线性面因素，过于依赖历史数据，随着市场情况的变化，相关指标很可能会发生变化。同时，该选股逻辑忽略了公司基本面数据，有仍有偏高市盈率、负面消息面等风险。
如何优化？
可以引入公司基本面数据、业务增长、盈利稳定性、现金状况等指标，加强对每只股票的深入分析，以提高选股的精度和质量。
最终的选股逻辑
基于以上分析，完善的选股逻辑如下：
- 振幅大于1；
- 底部抬高；
- 20日均线大于120日均线；
- 引入公司基本面数据、业务增长、盈利稳定性、现金状况等指标；
- 加强对每只股票的分析；
- 完善选股策略。
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 = BOTTOM(HIGH, C1) > BOTTOM(HIGH, C1 + 1);
C3 = MA(CLOSE, 20) > MA(CLOSE, 120);
SELECTOR = C1 AND C2 AND C3;
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
selected_stocks = []
for stock in stocks:
# 获取该股票的历史数据
df = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['open', 'high', 'low', 'close'], skip_paused=True, fq='pre')
# 振幅大于1
condition1 = df['high'].std() > 1
# 底部抬高
condition2 = df['low'].tail(3).iloc[0] > df['low'].tail(3).iloc[1] > df['low'].tail(3).iloc[2]
# 20日均线大于120日均线
condition3 = df['close'].rolling(20).mean() > df['close'].rolling(120).mean()
# 选取符合条件的股票，加入结果列表中
if condition1 and condition2 and condition3:
selected_stocks.append(stock)
return selected_stocks
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。
