问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，500日内至少2次涨停。
选股逻辑分析
该选股逻辑主要聚焦于价量特征，挖掘投资的热点行业和板块，结合大盘走势和市场热点，选择潜力股票。
有何风险？
该选股策略存在着过度依赖历史数据和具体交易时间段的风险，同时可能会忽略市场整体状况、暴跌或政策变化等因素的影响，容易产生短视和投资焦虑，导致不可避免的亏损。
如何优化？
该选股策略可以结合基本面信息、行业和板块走势、市场风向等多种因素，从更宏观的角度思考选股策略，探索更加全面和可行的选股逻辑。此外，可以建立更加科学严谨的选股模型，从更多维度和信息角度筛选出优质股票。
最终的选股逻辑
综合以上因素，我们可以得到完善的选股逻辑如下：
1、振幅大于1；
2、底部抬高；
3、500日内至少2次涨停；
4、相应基本面数据符合要求；
5、行业和板块处于热点状态。
同花顺指标公式代码参考
以下是在同花顺上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: COUNTS(CLOSE==HIGHEST(HIGH,1))>=2 AND COUNTS(HIGH==HIGHEST(HIGH,1))<2;
SELECTOR:=C1 AND C2 AND C3;
RESULT:=SELECTOR;
Python代码参考
以下是Python实现该选股逻辑的部分代码：
# 选取前500天
sdf = get_price(stocks, end_date=date, count=500, frequency='daily', fields=['high', 'amp', 'close'])
# 考虑500日内至少2次涨停
count_rise_stop = (sdf['high'] == sdf['high'].shift(1))
selected_stocks = (sdf['amp'] > 1) & \
(sdf['low'].rolling(C1).apply(lambda x: (np.argmax(x[-C1:]) == C1 - 1) and (np.argmax(x[:-C1]) < np.argmax(x[-C1:])), raw=False)) & \
(count_rise_stop.rolling(window=C3).sum() >= 2) & \
(相应基本面数据符合要求) & \
(行业和板块处于热点状态)
# 返回选中股票的代码
return selected_stocks[selected_stocks].index.tolist()
综合考虑价量特征、行业和板块走势以及大盘走势，可以在Python下编写更加完整的选股策略，根据行业和板块情况进行大量的精细化优化，以精准选股，获得更好的投资回报。
## 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。
