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，并且集中度70小于20%。
选股逻辑分析
本选股策略综合考虑了股票的技术面和基本面。振幅和均线指标依靠近期走势判断股票走势是否上涨趋势。集中度是衡量个股近期大宗交易集中度的一项指标，小于20%代表近期大宗资金流入股票相对均衡，比较稳定。同时也排除了大资金对个股的短期操纵影响。
有何风险？
选取的基本面指标可能会受到市场情绪等影响，造成个别公司市净率、市盈率等指标的快速偏离。技术面指标则仅仅反应的是历史数据的趋势，并不能完全预测未来。集中度指标过低或过高都可能导致出现人为干预或机构资产管理者的带动效应。
如何优化？
在综合分析技术面和基本面的指标基础上，可以进一步加入其他方面的因素，如公司管理水平、行业竞争力等，来降低市场情绪对选股的影响。
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，并且集中度70小于20%的股票作为投资标的。
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)
- 集中度: COUNT((VOL-CLOSE50)/CAPITAL,CLOSE>OPEN)/REF(COUNT((VOL-CLOSE50)/CAPITAL,CLOSE>OPEN),1)<0.2
其中VOL指当日成交量，CAPITAL指总市值，CLOSE和OPEN指当日股价和开盘价。
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sz', cap=200):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "concentration", "cap"])
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'market'] != market:
continue
if ts.get_stock_basics().loc[stock, 'mktcap'] < cap:
continue
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
# 集中度小于20%
vol = ts.get_today_ticks(stock)["volume"]
capital = ts.get_stock_basics().loc[stock, 'mktcap']
close_price = ts.get_today_ticks(stock)["price"]
open_price = ts.get_today_ticks(stock)["open"]
concentration = (vol - close_price * 50) / capital
if (concentration > 0.2).sum() / len(concentration) > 0.7:
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"concentration": concentration,
"cap": ts.get_stock_basics().loc[stock, 'mktcap'] / 100000000
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sz', cap=200))
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。
