问财量化选股策略逻辑
本选股策略选择振幅大于1、昨日成交额大于6千万，且集中度不超过70%的股票为选取对象。
选股逻辑分析
该选股策略主要考虑股票的交易活跃度和风险控制，振幅大于1和昨日成交额大于6千万可以反映一个股票的交易活跃度，而集中度限制在70%以内可以避免一个股票集中持有过高，增加风险。
有何风险？
该策略可能会忽略一些undervalue且有成长性的股票，集中度限制如果过低，则会杜绝一些优质稳健的股票上榜的机会。
如何优化？
可以在集中度的基础上增加其他指标，比如市盈率、市净率等，来更好地筛选优质低价值的股票，并且提高风控能力。同时集中度、交易活跃度等指标，需要根据不同市场、不同板块的实际情况进行调整。
最终的选股逻辑
本选股策略的最终逻辑为：振幅大于1、昨日成交额大于6千万，且集中度不超过70%的股票为选取对象。
同花顺指标公式代码参考
//计算振幅
(HIGH-LOW)/OPEN
//计算昨日成交额
REF(VOL,1)
//计算集中度
(LEG_RANK1+LEG_RANK2+LEG_RANK3)/TOT_CAPITAL
python代码参考
import tushare as ts
# 读取所有股票数据
data = ts.get_stock_basics()
# 筛选条件1：振幅大于1
now_data = ts.get_today_all()
amplitude = (now_data['high'] - now_data['low']) / now_data['open']
amplitude_bool = amplitude > 0.01
# 筛选条件2：昨日成交额大于6千万
last_day_vol_bool = now_data['volume'] > 60000000
# 筛选条件3：集中度不超过70%
cap_data = ts.cap_tops()
cap_data = cap_data[cap_data['rank'] <= 3]
concentration_bool = cap_data.groupby('code')['amount'].sum() / data['totalAssets'] <= 0.7
# 合并条件
result = amplitude_bool & last_day_vol_bool & concentration_bool & (data.index.str.startswith('0') | data.index.str.startswith('3'))
# 筛选结果
final_result = data[result]
# 输出结果
print(final_result)
## 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。
