问财量化选股策略逻辑
选股逻辑为：振幅大于1、股价为18.5元、至少5根均线重合的股票。该选股策略主要是通过选择具有较强上涨动能、股价适中、有均线支撑的股票，寻找具有较好机会的标的。
选股逻辑分析
该选股逻辑需要股价为18.5元，同时至少5根均线重合，这可以反映出股票的相对稳定性，是趋势跟踪选股策略的结合。然后在这个基础上，加入了振幅大于1的条件。这个条件可以反映出股票的波动性较大，是波动突破选股策略的结合。
有何风险？
该选股逻辑存在一定风险，在追求趋势跟踪、价格适中的过程中，可能忽略标的股票的整体风险，例如股票的行业风险和基本面风险等。同时，选股逻辑过于简单，可能漏选或误选好公司。如果没有恰当的限制，可能会出现较高的风险。
如何优化？
可以在原有的选股基础上，加入其他财务指标、技术指标和基本面指标等进行筛选，例如EPS、P/E、P/B、RSI、KDJ、MACD、价格波动率等，以综合考虑标的股票的优势和风险。同时，也可以采用风险控制的措施，例如设置合理的止损点、动态调整仓位等。
最终的选股逻辑
选股条件为：振幅大于1、股价为18.5元、至少5根均线重合，同时结合其他财务指标、技术指标和基本面指标等因素综合判断，找到财务稳健、价格适中、有良好发展前景的股票，在止盈/止损策略的配合下，寻找投资机会。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH - LOW) / HIGH > 0.01
# 股价为18.5元
SELECT2 = CLOSE == 18.5
# 均线5轨重合
MA5 = MA(C, 5)
SELECT3 = np.allclose(MA5, C, atol=0.05)
SELECT = SELECT1 AND SELECT2 AND SELECT3
SORT_BY = '成交额'
SORT_ASCEND = False
以上为计算选股逻辑的同花顺指标公式。需要根据实际情况进行调整，以得到更加准确的选股结果。
Python代码参考
import pandas as pd
import numpy as np
import tushare as ts
def get_selected_stocks():
# 获取tushare连接
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.daily(ts_code='000001.SZ', start_date='20220101', end_date='20220301')
# 进行选股
selected_stocks = []
for idx, row in stock_data.iterrows():
# 判断振幅大于1、股价为18.5元、至少5根均线重合
if (row['high'] - row['low']) / row['high'] <= 0.01 or row['close'] != 18.5:
continue
ma_5 = np.mean(stock_data.loc[idx - 4:idx, 'close'] == row['close'])
if ma_5 < 5:
continue
if row['amount'] == 0 or row['close'] == 0:
continue
# 根据筛选条件选取标的
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
selected_data['circ_market_cap'] = row['circ_mv']
# 可添加其他指标
selected_stocks.append(selected_data)
# 按成交额从高到低排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、股价为18.5元、至少5根均线重合。可根据实际需求进行修改，加入其他财务指标、技术指标和基本面指标等因素综合判断，以及风险控制措施等。
## 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。
