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，并且流通盘小于等于55亿股的股票。这些条件可以筛选出波动性较好且受流通盘限制的个股。
选股逻辑分析
本选股策略主要考虑了股票价格波动情况和流通盘大小。选股条件比较全面，可以筛选出波动性较好的股票，并且控制了流通盘大小的限制，从而降低风险。
有何风险？
由于本选股策略只考虑了股票价格波动情况和流通盘大小，没有综合考虑多种因素，因此存在较大的局限性。在投资时，应该考虑更多股票基本面和财务数据等因素。
此外，由于流通盘大小的限制，可能会导致一些优秀的公司被忽略，因此需要控制选股条件中流通盘大小的限制。
如何优化？
应该综合考虑多种股票交易特点来进行股票选取。除了考虑股票价格波动情况和流通盘大小，还应该考虑其他因素，比如股票基本面、财务数据、行业趋势、估值等，从而确保综合考虑多种因子的选股策略。
此外，需要根据不同市场的情况来调整选股条件。
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，并且流通盘小于等于55亿股的股票。在此基础上，应该综合考虑股票基本面和估值，此项评估可以选择PEG或PE-TTM等。同时，应该注重评估股票的盈利预期、业务模式等因子，从而确保综合考虑多种因子的选股策略。
同花顺指标公式代码参考
通达信指标公式：(C-SMA(C,60))/(2*AVEDEV(C,60))<0.05
Python代码参考
import tushare as ts
import pandas as pd
import numpy as np
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,total_mv,circ_mv')
if db.empty or len(db) < 250 or db.iloc[-1]['circ_mv'] > 5500000000:
continue
# 筛选条件
sma = talib.SMA(db['close'], timeperiod=60)
stddev = talib.STDDEV(db['close'], timeperiod=60)
db['shape'] = abs(db['close'] - sma) / (2 * stddev)
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'] <= 5500000000) &
(db['shape'] < 0.05)]
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。
