问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，股价为18.5元的股票。
选股逻辑分析
该选股逻辑基于技术面指标，关注振幅、底部等指标，同时加入了股价为18.5元的限制。该逻辑简单明了，容易理解和操作。但由于只关注股价，缺乏对公司基本面和未来的判断，可能存在选到不具有增长潜力的股票的可能性。
有何风险？
该选股逻辑只关注股价，忽略了公司基本面和未来的发展潜力，例如未来市场的大环境和公司行业地位等。该选股逻辑的周期性很强，只关注短期的涨跌，很容易被市场情绪和噪音所影响，增加了波动和风险。此外，如果股价已经涨到18.5元，那么很可能已经错过了买入的机会，因为未来股价继续上涨的可能性不大。
如何优化？
在原有框架下加入更多指标和辅助分析手段，如布林线、MACD等技术指标，或者PEG、ROE等基本面指标，以提高选股精度和质量。同时，可以考虑结合宏观经济、政策等因素，综合分析股票的长期潜力。增加对公司盈利能力和竞争力的评估，以及对成长性和估值的判断。留意其中风险和收益的平衡，这样可以提高选股确定性，而且更具有长期投资的可持续性。
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.股价在一定范围内；
4.加入布林线、MACD等技术指标；
5.引入PEG、ROE等基本面指标；
6.结合宏观经济、政策等因素进行综合分析；
7.加强对公司盈利能力和竞争力的评估；
8.留意风险和收益的平衡。
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 = CLOSE() == 18.5;
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 = (df['close'].iloc[-1] == 18.5)
# 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。
