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，且今日最大跌幅在-5%和-4%之间的股票进行选股。该策略主要依据技术面进行选股。
选股逻辑分析
本选股策略主要利用技术面指标振幅和换手率等，以及股票的最大跌幅，筛选出股价波动较大且价格跌幅较大的股票。该策略比较注重短期投机操作，不够全面地考虑个股的市场价值与优劣。
有何风险？
本选股策略比较依赖股票的技术面，忽略了一些公司基本面的因素，不够全面地考虑个股的市场价值与优劣，可能选出一些危险股票。同时，短期投机操作风险较高，可能存在股票价格波动幅度过大或选错个股等风险。
如何优化？
为了优化选股策略，可以加入更多的技术面指标，如均线、涨跌幅、成交量等，以全面反映股票的市场表现。同时，可以加入公司基本面指标，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。此外，可以加入成长性指标，如营收增长率、净利润增长率等，以选出具有成长性的股票。
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，且今日最大跌幅在-5%和-4%之间的股票进行选股。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
无
Python代码参考
import tushare as ts
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.query('daily', ts_code=code, start_date='20220101', end_date='20220331',
fields='ts_code,trade_date,open,high,low,close,pre_close,vol,amount')
if not db.empty:
db['amplitude'] = (db['high'] - db['low']) / db['pre_close'] * 100
db['turnover_rate'] = db['vol'] / pro.query('stock_basic', ts_code=code, fields='outstanding_share')['outstanding_share'].iloc[0] * 100
db['volume_ratio'] = db['vol'] / db['vol'].rolling(5).mean()
db['max_drop'] = (db['pre_close'] - db['low']) / db['pre_close'] * 100
db['rank_drop'] = db['max_drop'].rank(ascending=True, pct=True)
if db['amplitude'].iloc[-1] > 1 and 0.5 < db['turnover_rate'].iloc[-1] * db['volume_ratio'].iloc[-1] < 2 and -5 <= db['max_drop'].iloc[-1] < -4:
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。
