问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，昨日成交额大于6千万。
选股逻辑分析
该选股逻辑主要从股票价格走势和市场活跃度等方面出发。振幅大于1表示股票波动较大，底部抬高表示股票已经反弹。昨日成交额大于6千万说明市场对该股票关注度较高，存在爆发的潜力。
有何风险？
该选股逻辑也忽略了公司的基本面数据，只考虑了股票价格走势和市场情绪等因素，容易被市场情绪所左右，存在一定的风险。同时，股票开盘后波动可能会影响实际收益。
如何优化？
类似前面的内容，需要加入更多基本面数据和技术面指标进行筛选，如市盈率、市净率、成长性方面数据、股票行业位置、资金流向等因素可以进一步优化策略。同时在开盘前筛选股票，需要考虑市场情绪和全球经济等宏观环境，提高选股的准确率。在股票交易过程中需要注意风控，避免损失过大。
最终的选股逻辑
综合考虑技术面和基础面数据的选股策略如下：
1、振幅大于1。
2、底部抬高。
3、昨日成交额大于6千万。
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: TSMAX(VOL,C2+1,1)>6e7;
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：
# 定义股票池
s_pool = ['SH.600000', 'SH.600036', 'SH.600519', 'SZ.000858',
'SZ.000333', 'SH.601398', 'SH.601288', 'SZ.000002',
'SZ.000651', 'SH.600030']
# 筛选振幅大于1，底部抬高，昨日成交额大于6千万的个股
selected_stocks = (sdf['amp'] > 1) & \
(sdf['low'].rolling(window=C1).apply(lambda x: (np.argmax(x[-C1:]) == C1 - 1) and (np.argmax(x[:-C1]) < np.argmax(x[-C1:])), raw=False)) & \
(sdf['turn'] > 60000000)
# 返回选中个股的代码
return selected_stocks['symbol'].tolist()
通过在Python中实现综合考虑技术面和基础面数据的选股逻辑，并考虑市场活跃度等因素进行筛选，可以提高选股的准确度和质量，让我们更加准确地发现具有上涨潜力的个股。
## 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。
