问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，集中度70小于20%的股票。
选股逻辑分析
该选股逻辑不仅考虑了股票价格波动情况，还关注了持股人的分布情况，以及底部抬高的形态，综合性较强。通过这样的选股方式，可以筛选出市场热门、成长性和潜力较好的优质股票。
有何风险？
该选股逻辑过于侧重于市场热门股票，风险偏高，同样也会有风头一时的股票被筛选出来。而且在市场行情大幅波动时，选股结果可能无法获取预期收益。
如何优化？
可以引入基本面指标，如市盈率，利润增长率，净利润增长率，总收入增长率等，进一步提高选取个股的质量。
最终的选股逻辑
基于以上分析，完善的选股逻辑如下：
- 振幅大于1；
- 底部抬高；
- 持股人数集中度小于20%；
- 引入基本面指标；
- 优化选股策略。
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 = HOLDERSUM(0.7) < HOLDERSUM(0.2);
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:
# 获取该股票的数据
df = get_fundamentals(query(valuation.capitalization).filter(valuation.code==stock), date=date)
# 振幅大于1
condition1 = df['high'].std() > 1
# 底部抬高
condition2 = df['low'].tail(3).iloc[0] > df['low'].tail(3).iloc[1] > df['low'].tail(3).iloc[2]
# 持股人数集中度小于20%
condition3 = (1 - get_hold_sum(stock, 0.7)) < get_hold_sum(stock, 0.2)
# 选取符合条件的股票，加入结果列表中
if condition1 and condition2 and condition3:
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。
