问财量化选股策略逻辑
本选股策略选取振幅大于1，（昨日换手率*（今日竞价成交量/昨日成交量））在0.5到2之间，且股票最近500个交易日内至少有2次涨停的股票进行选股。该策略依赖市场流动性、市场人气和市场活力等因素，并结合技术面和基本面分析选股。
选股逻辑分析
本选股策略依赖市场流动性、市场人气和市场活力等因素，关注的是股票的短期强势和市场影响力。振幅大于1的股票波动较大，有机会出现高买低卖的机会。通过结合市场流动性和活跃度等因素，筛选出市场活跃且技术面表现良好的股票。此外，股票最近500个交易日内至少有2次涨停代表着市场对该股票的认可和热度，具有一定的市场影响力。
有何风险？
本选股策略依赖市场流动性和活跃度等因素，可能选出一些反弹或者高波动性的股票，存在一定风险。同时，股票最近500个交易日内至少有2次涨停容易受到市场情绪和投机炒作的影响，存在短期波动较大的风险。此外，振幅指标可能不适合所有行业，需要针对不同行业进行优化。
如何优化？
为了优化选股策略，可以加入更多的技术面指标，如成交量、强势指标、KDJ等，以全面反映股票的市场表现。同时，应该针对不同行业或板块的情况进行不同的参数选择，以适应市场变化。此外，可以加入基本面指标，如市盈率、市净率、净利润、股息率等，以全面反映公司财务情况。需要注意的是，对于涨停股票的筛选，应该考虑是否具有持续性和内在价值，避免短期投机炒作。
最终的选股逻辑
本选股策略选取振幅大于1，（昨日换手率*（今日竞价成交量/昨日成交量））在0.5到2之间，且股票最近500个交易日内至少有2次涨停的股票进行选股。同时，加入基本面指标、成长性指标和技术面指标，全面反映公司财务、成长性、市场表现和股票价格波动等信息，筛选出具有潜力和可持续性的股票。
同花顺指标公式代码参考
该选股策略不涉及指标公式。
Python代码参考
import tushare as ts
import pandas as pd
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L',
fields='ts_code,name,list_date,list_status,total_mv')["ts_code"]:
if len(selected_stocks) >= n:
break
db = pro.daily(ts_code=code, fields='open,high,low,close,vol')
if db.empty or len(db) < 500:
continue
db_amplitude = (db['high'] - db['low']) / db['close']
db_turnover_rate = db['vol'] / pro.query('stock_basic', ts_code=code,
fields='outstanding_share')['outstanding_share'].iloc[0] * 100
db_limit_up = db['pct_chg'] >= 9.5
if db_amplitude.iloc[-1] > 1 and 0.5 < db_turnover_rate.iloc[-1] * (db['vol'].iloc[-1] / db['vol'].iloc[-2]) < 2 \
and db_limit_up.sum() >= 2:
selected_stocks.append(code)
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。
