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，且昨日非涨停板的股票进行选股。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，以及昨日非涨停板的情况，筛选出较为稳定的股票。该策略注重市场情况的波动，忽略了一些短期投机操作的股票。通过筛选非涨停板的股票，剔除了一些短期内涨幅过大的股票，强化了选股的稳定性。
有何风险？
本选股策略依赖技术面指标，比较注重市场情况的波动，而忽略了公司基本面的因素，可能选出一些危险股票。同时，技术面指标容易受到市场情绪影响，存在短期波动较大的风险。此外，昨日涨停的股票如果本日开盘价高于涨停价，也可能出现较大波动，存在一定风险。
如何优化？
为了优化选股策略，可以加入更多的技术面指标，如成交量、强势指标、MACD等，以全面反映股票的市场表现。同时，可以加入趋势跟踪指标，在低点买入并在高点卖出，以获得更高回报。此外，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。定期进行选股策略的回测和优化，以获得更高的选股精度和回报率。
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，且昨日非涨停板的股票进行选股。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.daily(ts_code=code, start_date=(pd.Timestamp.now()-pd.Timedelta(days=2)).strftime('%Y%m%d'),
end_date=(pd.Timestamp.now()-pd.Timedelta(days=1)).strftime('%Y%m%d'),
fields='ts_code,trade_date,open,high,low,close,vol,pre_close')
if not db.empty and db['pre_close'].iloc[-1] == db['close'].iloc[-1] * 1.1:
continue
db_amplitude = (db['high'] - db['low']) / db['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()
if db_amplitude.iloc[-1] > 1 and 0.5 < db_turnover_rate.iloc[-1] * db_volume_ratio.iloc[-1] < 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。
