问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，昨日非涨停板。
选股逻辑分析
该选股逻辑在基础选股策略的基础上，加入了排除昨日涨停板的因素。这意味着，选股策略会更加偏向于较为平稳、技术面良好且估值合理的个股。
有何风险？
该选股策略仍然局限于技术面指标，同时仅考虑了一天的涨停板因素，而没有对个股历史走势进行考虑，因此可能会出现一些滞后性的问题。同时，对于行情快速变化和政策波动等因素，该选股策略也不能做到及时反应。
如何优化？
该选股策略可以加入更多的基本面和政策环境因素，对个股的估值、盈利能力、行业前景、政策环境等因素进行详细考虑，以便更准确地评估个股价值。同时，也可以尝试使用机器学习算法，从大量数据中发掘更有价值的信号和趋势。
最终的选股逻辑
基于以上分析，我们可以综合考虑价格走势、历史走势和基本面因素的选股策略如下：
1、振幅大于1；
2、底部抬高；
3、昨日非涨停板；
4、相应基本面数据符合要求。
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: NOT(ZT(1));
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：
# 排除昨日涨停板
sdf['pct_chg'] = (sdf['close'] - sdf['pre_close']) / sdf['pre_close']
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['pct_chg'].shift(1).apply(lambda x: abs(x) == 0)) & \
(相应基本面数据符合要求)
# 返回选中股票的代码
return selected_stocks['symbol'].tolist()
综合考虑价格走势、历史走势和基本面数据，以及排除昨日涨停板的因素，我们可以使用Python编写较为完整且可行的选股策略，通过动态调整参数和指标规则，可以获得更好的选股效果。
## 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。
