问财量化选股策略逻辑
选股条件为：振幅大于1、机构抄底、今日最低价小于昨日最低价，选出符合条件的个股。在每年初评估股票，选出总市值前50%的股票。
选股逻辑分析
该选股策略同样是基于三个条件进行选股，振幅大于1说明股票波动较大，机构抄底则说明机构看好股票的价值，而今日最低价小于昨日最低价则说明股票有望反弹。这三个条件相互结合，能筛选出市场表现不俗、具有反弹潜力的优质投资标的。
有何风险？
该选股策略同样没有考虑公司基本面、估值水平等其他重要因素，而且今日最低价小于昨日最低价并不能完全说明股票有反弹的可能性，存在一定的盲目性和风险。
如何优化？
可以加入更多指标，如市盈率、市净率、流通量等指标，以多维度进行评估股票的价值和潜在风险。同时，也可以参考其他量化模型进行选股，以提高选股策略的精度。
最终的选股逻辑
选股条件为：振幅大于1（SYNJZ('AMO',1) > 1）、机构抄底（ABS(ORG_DIFF_VOL_TO-ORG_DIFF_VOL_YESTERDAY) > 0）、今日最低价小于昨日最低价（L < REF(L,1)），在每年初选出符合条件且总市值排名前50%的股票。
同花顺指标公式代码参考
振幅大于1：SYNJZ('AMO',1) > 1；
机构抄底：ABS(ORG_DIFF_VOL_TO-ORG_DIFF_VOL_YESTERDAY) > 0；
今日最低价小于昨日最低价：L < REF(L,1)；
最终选股条件：SYNJZ('AMO',1) > 1 AND ABS(ORG_DIFF_VOL_TO-ORG_DIFF_VOL_YESTERDAY) > 0 AND L < REF(L,1)。
Python代码参考
import tushare as ts
def get_selected_stocks():
# 振幅大于1
condition1 = SYNJZ('AMO',1) > 1
# 机构抄底
org_data = ts.get_hist_data('600519', '20210901', '20211001')
org_data['ORG_DIFF_VOL_TO'] = org_data['turnover'] - org_data['volume']
org_data['ORG_DIFF_VOL_YESTERDAY'] = org_data['ORG_DIFF_VOL_TO'].shift(1)
condition2 = abs(org_data['ORG_DIFF_VOL_TO'] - org_data['ORG_DIFF_VOL_YESTERDAY']) > 0
# 今日最低价小于昨日最低价
condition3 = L < REF(L,1)
# 总市值排名前50%
stock_data = ts.get_today_all()
stock_data = stock_data[stock_data['market_cap'] > 0]
stock_data = stock_data.sort_values(by='market_cap', ascending=False)
stock_data = stock_data.head(int(len(stock_data)/2))
selected_data = stock_data[condition1&condition2&condition3].index.tolist()
return selected_data
result = get_selected_stocks()
print(result)
注：以上代码仅供参考，实际选股可结合具体情况进行适度修改。
## 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。
