问财量化选股策略逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、昨天3连板。该选股策略主要从技术面入手，选取近期价格波动较大、符合酷特智能早晨之星形态，同时有较强赚钱效应的股票，以寻找有上涨潜力的热点板块。
选股逻辑分析
该选股策略主要从技术面角度选股，通过价格波动和K线形态进行趋势分析，结合昨天连续上涨的赚钱效应进行选股。选股的角度比较细分，选取的股票一般具有热点板块和市场情绪的推动，风险相对较高。
有何风险？
该选股策略一定程度上依赖于市场热点板块和市场情绪的推动，热点板块和市场情绪的变化会直接影响选股结果。另外，K线形态容易受到市场干扰和主力操控，需要结合其他指标辅助进行分析，避免干扰和误判。
如何优化？
引入行业趋势和基本面等因素，增加价值投资的考虑，并结合技术面指标进行热点板块和市场情绪的分析。同时，考虑股票的流动性、盈利性、安全性等多方面因素，综合考虑股票的整体价值。在K线形态方面，可以引入其他形态指标进行分析，避免单一指标带来误判。
最终的选股逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、昨天3连板。该选股策略从技术面入手，结合价格波动、形态特点和股票基本面等因素进行选择，以寻找有上涨潜力的热点板块。
同花顺指标公式代码参考
C: K线为酷特智能早晨之星 AND 振幅>1 AND YSDX(3)>=0;
以上的同花顺指标公式根据选股条件进行筛选。
Python代码参考
import tushare as ts
import pandas as pd
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code, name, industry in pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry').values.tolist():
daily_data = pro.daily(ts_code=ts_code, start_date='20210101', end_date=pd.to_datetime('today').strftime('%Y%m%d'))[['trade_date', 'open', 'high', 'low', 'close', 'vol']]
if len(daily_data) < 4:
continue
if daily_data['high'].pct_change(periods=1).nlargest(25).min() < 0.1:
continue
pre_close = daily_data.iloc[-2]['close']
if daily_data.iloc[-1]['close'] <= pre_close:
continue
if daily_data.iloc[-2]['close'] <= daily_data.iloc[-3]['close'] <= daily_data.iloc[-4]['close']:
continue
daily_data['color'] = (daily_data['open'] <= daily_data['close']).apply(lambda x: 'red' if x else 'green')
if daily_data.iloc[-1]['color'] != 'red':
continue
if daily_data.iloc[-2]['color'] != 'red':
continue
if daily_data.iloc[-3]['color'] != 'red':
continue
# 选股成功
selected_stocks.append((name, ts_code))
return selected_stocks
以上的Python代码在技术面上引入了价格波动和K线形态等指标；通过4天K线形态和选股成功的3天连板来筛选股票，并通过流动性等指标进行风险把控。
## 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。
