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PE大于0的股票进行选股。该策略侧重于考虑市场流动性、市场人气和市场估值等因素，关注股票的价格波动和估值水平，同时注重风控，避免选取风险较高的股票。
选股逻辑分析
本选股策略依赖市场流动性、市场人气和市场估值等因素，振幅大于1的股票波动较大，可以有机会出现高买低卖的机会，同时PE>0的股票意味着其存在盈利，可以筛选出股票的投资价值。同时，通过加入昨日换手率和今日竞价成交量的条件，考虑了股票的流动性，提高了选股策略的安全性。选取股票的过程中，同时考虑了风险，避免了过分关注收益率的投资策略。
有何风险？
本选股策略选取的条件相对较少，可能无法完全反映市场整体情况，忽略了一些重要的指标和因素，如市场演变趋势、行业的影响等，存在一定的风险。同时，采用PE>0来筛选股票，可能会忽略一些高成长的股票。此外，选股时需要考虑时点的选择，如选股时点的选择可能会影响选出股票的质量和盈利水平。
如何优化？
为了优化选股策略，可以结合更多的信息，如市场环境、行业影响、重磅新闻、基本面和技术面等因素。加入行业因素并根据股票的成长性和业务发展情况，以全面考虑股票的投资价值；同时结合技术面指标和市场情绪等因素，更加全面地分析和评估选取股票的质量和价值。此外，选股时应注意市场风险的控制，根据市场周期进行投资，避免过于乐观或悲观，根据市场环境进行相应的投资策略。
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PE大于0的股票进行选股。同时，加入行业因素，侧重于股票的成长性和业务发展情况，加入技术面指标和市场情绪等因素，以全面分析和评估选股策略的投资价值。
同花顺指标公式代码参考
无
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_basic(ts_code=code, start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"),
end_date=date.today().strftime("%Y%m%d"), fields='pe')
if db.empty or len(db) < 250:
continue
db_amplitude = (db['high'] - db['low']) / db['close']
df_volume = pro.moneyflow(ts_code=code, start_date=db['trade_date'].iloc[0].strftime("%Y%m%d"),
end_date=db['trade_date'].iloc[-1].strftime("%Y%m%d"), fields='date,main_buyer')
db_mainmoney = pd.Series(df_volume['main_buyer'].values, index=df_volume['date'])
db_turnover_rate = db['vol'] / pro.query('stock_basic', ts_code=code,
fields='outstanding_share')['outstanding_share'].iloc[0] * 100
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['pe'].iloc[-1] > 0:
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。
