问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散，并且企业满足一定的性质要求的股票。企业性质可以指定具体行业、市值范围、PE和PB等指标要求。
选股逻辑分析
本选股策略在振幅和近期走势的基础上，进一步对企业基本面进行筛选。通常可以先排除一些较为风险的企业，比如市值较小、高风险行业、亏损公司等。然后可以结合PE和PB等指标要求，选择营收和利润相对稳定、估值合理的优质企业。
有何风险？
企业性质的筛选必须基于正确的理解和判断。过于狭隘的筛选标准容易导致信息不足和错误的判断。同时，企业基本面和市场环境都可能随时发生变化，需要及时调整选股策略。
如何优化？
为了更好地选择具有优质企业基本面的股票，可以引入更多的指标要求，如ROE、净利润率、股息率等。在筛选的同时，也要充分关注行业和市场环境的变化，灵活调整策略。
最终的选股逻辑
本选股策略选取振幅大于1、今日均线向上发散，并且企业满足一定的性质要求的股票。
同花顺指标公式代码参考
- 振幅: AMO
- 今日均线向上发散: C > REF(MA(C,5),1) > MA(C,5)
python代码参考
import tushare as ts
def select_stock(industry='', market_cap=(0, 0), pe=(0, 100), pb=(0, 100)):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "industry", "market_cap", "pe", "pb"])
for stock in ts.get_stock_basics().index:
data = ts.get_hist_data(stock)
if data is None:
continue
if data["amplitude"][-1] < 1:
continue
# 今日均线向上发散
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
continue
basics = ts.get_stock_basics()
if industry != '' and basics.loc[stock, 'industry'] != industry:
continue
if not (market_cap[0] <= basics.loc[stock, 'outstanding'] <= market_cap[1]):
continue
if not (pe[0] <= basics.loc[stock, 'pe'] <= pe[1]):
continue
if not (pb[0] <= basics.loc[stock, 'pb'] <= pb[1]):
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"industry": basics.loc[stock, 'industry'],
"market_cap": basics.loc[stock, 'outstanding'],
"pe": basics.loc[stock, 'pe'],
"pb": basics.loc[stock, 'pb']
}, ignore_index=True)
return selected_stocks
print(select_stock(industry='电子', market_cap=(50, 200), pe=(0, 50), pb=(0, 5)))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
