问财量化选股策略逻辑
选股逻辑：振幅大于1, 底部抬高, 今日最低价小于昨日最低价。
选股逻辑分析
该选股逻辑主要考虑了技术面指标，振幅和底部抬高可以较好地反映股票价格的走势，而最低价的变化则可捕捉短期走势的变化。该指标相对简单易懂，也容易实现。
有何风险？
该选股逻辑过于依赖股票短期走势，容易遗漏一些长期业绩较好但短期走势不佳的股票。同时，底部抬高指标和最低价变化指标本身也有一定的局限性，可能无法完全反映公司的价值和成长性。
如何优化？
为了提高该选股逻辑的可靠性和有效性，可以结合其他技术面和基本面指标综合判断。比如加入成交量、均线系统、市盈率、市净率等技术面指标，加入其他基本面指标如市值、财务健康状况等，以尽可能全面地判断股票和公司情况。同时，可以结合不同行业和市场情况，制定更加合适的选股策略，避免投资风险。
最终的选股逻辑
基于以上分析，完善的选股逻辑如下：
1.振幅大于1；
2.底部抬高；
3.今日最低价小于昨日最低价；
4.加入其他技术面指标和基本面指标判断；
5.制定有效的选股策略。
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, 2) > BOTTOM(HIGH, 3) > BOTTOM(HIGH, 4);
C3 = LOW < REF(LOW, 1);
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
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
c2 = BOTTOM(df_kline['high'], 2) > BOTTOM(df_kline['high'], 3) > BOTTOM(df_kline['high'], 4)
# 判断最低价的变化，判断是否符合选股逻辑
c3 = df_kline['low'][-1] < df_kline['low'][-2]
# 加入其他技术面指标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 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。
