问财量化选股策略逻辑
本选股策略选取振幅大于1、昨日非涨停板，企业性质符合特定条件（如行业分类、市场表现等）的股票作为投资标的。
选股逻辑分析
该策略选股条件更加丰富，除了考虑股票的价格和波动性等因素外，还加入了企业性质等因素对投资标的进行筛选。这样可以更好地综合考虑个股的基本面、技术面和市场表现等因素，有助于发现最优投资标的。
有何风险？
企业性质等因素会更加依赖个人主观判断和行业经验，容易因此造成误判和偏见，从而忽略了一些合适的投资标的。如何选择适当的企业性质对投资收益的影响也是一个需要考虑的问题。
如何优化？
为了降低人为误差，可以制定具体的企业性质筛选规则，如从行业分类、公司财务数据、市场前景等方面进行考虑，从而减少主观判断的影响。同时，可以引入机器学习等技术，以更准确地预测股票市场表现，从而达到优化选股策略的效果。
最终的选股逻辑
综合考虑了个股的基本面、技术面和市场表现等因素，选取振幅大于1、昨日非涨停板，且符合特定企业性质条件的股票作为投资标的，并加入其他重要技术指标和公司业绩等因素进行充分分析和筛选，以寻找长期具有投资价值的标的。
同花顺指标公式代码参考
- 振幅：(HIGH-LOW)/REF(CLOSE,1)
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
# 振幅大于1、昨日非涨停板，企业性质符合特定条件
quote = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, market, list_date')
quote.sort_values(by=["vol"], axis=0, ascending=False, inplace=True)
for ts_code in quote["ts_code"]:
fin_data = pro.fina_indicator(ts_code=ts_code, start_date='20200101', end_date='20211231')
if fin_data.iloc[-1]["pe_ttm"] > 0 and fin_data.iloc[-1]["pb"] > 0:
# 符合特定企业性质条件（此处假设行业分类为"银行"）
stock_data = pro.stock_basic(ts_code=ts_code, fields='name,industry')
if stock_data.iloc[0]["industry"] == "银行":
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
return selected_stocks
## 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。
