问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，昨日竞价换手率大于0.26。
选股逻辑分析
该选股策略结合了技术指标和基本面数据，通过选用技术指标的振幅和底部抬高等因素来筛选走势稳定的个股，同时还考虑了昨日竞价换手率等基本面因素。此外，该指标筛选出的股票，有望成为短线或中线投资者的购买目标。
有何风险？
该选股策略可能会受到市场环境的影响，而不能达到预期的效果。同时，该策略也存在数据采集、计算准确度以及参数调整等问题的挑战。
如何优化？
在选股逻辑基础上，可以加入其它市场趋势指标或基本面数据，如市值、财务数据等，以提高选股策略的精度和例外。另外，可以结合机器学习等技术，对已有的指标进行调整和优化，进一步提高选股策略的执行效果。
最终的选股逻辑
根据对该选股策略进行分析和优化，改进后的选股逻辑如下：
- 振幅大于1；
- 底部抬高；
- 昨日竞价换手率大于0.26；
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: REF(BOTTOM(HIGH, C1), 1) > REF(BOTTOM(HIGH, C1), 2);
C3: LZ_LAST >= 0.26;
SELECTOR:=C1 AND C2 AND C3;
RESULT:=SELECTOR;
Python代码参考
以下是Python实现该选股策略的选股逻辑的代码：
selected_stocks = (df['amp'] > 1) & \
(df['high'].rolling(window=C1).apply(lambda x: (np.argmin(x[-C1:]) == C1 - 1) and (np.argmin(x[:-C1]) > np.argmin(x[-C1:])), raw=False)) & \
(df['lz_last'] > 0.26)
# 根据涨跌幅排序
selected_stocks = selected_stocks.sort_values('pct_chg', ascending=False)
# 返回选中个股的代码
return selected_stocks['code'].tolist()
通过在Python中实现该选股逻辑，结合振幅、底部抬高、昨日竞价换手率等因素，综合考虑选股，可以根据实际情况和策略要求进行适当的调整和改进。
## 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。
