问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，流通市值大于100亿元。
选股逻辑分析
该选股策略同时考虑了技术面和基本面的指标，更加全面和合理。其中，振幅大于1旨在排除波动性过小的缓涨股，底部抬高则是关注价格底部构筑逐渐高起的迹象，流通市值大于100亿元则是关注公司的实际市值和规模。综合考虑这些因素，选中的股票更具有较好的投资价值和潜力。
有何风险？
该选股策略较为简单，考虑的指标较少，可能忽略了其他重要的因素，如公司财务报表、行业地位、经营状况等。所选的流通市值区间上下限都是固定的，可能不适用于所有的股票，所以还需要根据实际情况进行调整。同时，该策略重视短期的价格走势和市值情况，可能对于长期投资者的价值判断不够准确。
如何优化？
除了上述风险提示，可以加入更多指标来提高筛选的准确性，如相对强弱指标、均线系统、换手率等。同时可以引入更多的基本面指标，如市盈率、市净率、净利润增长率等，从财务数据、行业地位和经营情况等方面对股票进行分析，选择更具潜力和价值的股票。调整流通市值区间的上下限，根据股票市场情况和实际需求等因素进行实际操作。
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.流通市值大于100亿元；
4.加入相对强弱指标、均线系统以及换手率等技术指标；
5.引入市盈率、市净率、净利润增长率等基本面指标；
6.确定合适的流通市值区间上下限。
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, C1) > BOTTOM(HIGH, C1 + 1);
C3 = CIRCULATION_MARKET_CAP() > 10000000000;
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
selected_stocks = []
for stock in stocks:
# 获取该股票的历史K线数据
df = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['open', 'high', 'low', 'close', 'volume'], skip_paused=True, fq='pre')
# 判断是否符合选股逻辑
c1 = df['high'].std() > 1
c2 = BOTTOM(df['high'], 2) > BOTTOM(df['high'], 3) > BOTTOM(df['high'], 4)
c3 = get_fundamentals(query(valuation.circulating_market_cap).filter(valuation.code == stock)).iloc[0, 0] / 1000000000 > 10
# 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
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。
