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之间的股票，并且加入市值大于100亿元的流通市场的股票。这些条件可以帮助投资者导航市场并筛选出市场活跃度较高且市值相对较大的股票。
选股逻辑分析
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之间的股票，并且加入流通市值大于100亿元的条件。这些条件从技术面和股票交易信息方面进行分析，可以挖掘出具有一定市场活跃度的股票，同时根据市值的要求，可以帮助投资者筛选出市值相对较高的股票。
有何风险？
本选股策略过于注重市值，可能会忽略其他具有较高潜力的股票。另外，选股的逻辑中缺乏对股票基本面等因素的考虑，导致选股范围相对局限。
如何优化？
为了提高选股策略的准确性，可以加入股票的基本面数据，如营收、净利润等指标进行分析。此外，应该加强对各指标的权重安排，避免过度关注某一指标而忽略其他重要的股票指标。
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之间的股票，并且加入流通市值大于100亿元的条件。
同花顺指标公式代码参考
通达信指标公式：(HHV(HIGH,20)-LLV(LOW,20))/REF(CLOSE,1)>0.01 AND (VOL/MA(VOL,5)-REF(VOL/MA(VOL,5),1))*100>5 AND CIRC_MV > 100
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,circ_mv')["ts_code"]:
if len(selected_stocks) >= n:
break
db = pro.daily(ts_code=code, start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"),
end_date=datetime.now().strftime("%Y%m%d"), fields='open,high,low,close,vol')
if db.empty or len(db) < 250:
continue
# 筛选条件
db['amplitude'] = (db['high'] - db['low']) / db['close']
db['turnover_ratio'] = db['vol'] / (db['vol'].sum() / len(db))
db_selected = db[(db['amplitude'] > 1) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) > 0.5) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) < 2) & (db['circ_mv'] > 10000000000)]
if not db_selected.empty:
selected_stocks.append({'code':code, 'last_close': db.iloc[-1]['close']})
# 根据收盘价排序选择前n个股票
df = pd.DataFrame(selected_stocks)
df_selected = df.sort_values('last_close', ascending=False)[:n]
selected_stocks = list(df_selected['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。
