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，要求市值规模大于等于2亿。该策略结合股票价格波动和市值规模进行筛选，希望找到潜力较大且市值较大的股票。
选股逻辑分析
本选股策略以股票价格波动和市值规模为基础进行挑选，以剔除市值较小或价格波动较小的股票。同时，限制上涨下跌幅度，选择波动较大的股票。该策略相比于以往的选股策略更加严格，挑选出的股票更具有市场潜力。
有何风险？
本选股策略存在市值规模不具有绝对优势，一些小市值的公司可能有更高的潜在增长性，但受限于市值规模而未被选择，因此股票的增值潜力可能会被低估。此外，股票市场存在估值泡沫等现象，过分依赖单一指标的选股策略可能被市场现象所误导，导致选股策略效果下降。
如何优化？
为了优化选股策略，可以加入其他财务指标，如收入和利润增长率、股息率等。同时，可以在选择市值规模指标时，适当降低门槛，以不同的参数组合和排名方式进行交替尝试，调整模型的灵活度，提高其选股能力和泛化能力。
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，市值规模要求不小于2亿。
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='SZSE', list_status='L', fields='ts_code,name,list_date,list_status,total_mv')["ts_code"]:
if len(selected_stocks) >= n:
break
# 筛选市值2亿以上
mv = pro.daily_basic(ts_code=code, fields='total_mv')['total_mv'].iloc[0]
if mv < 2e8:
continue
# 筛选振幅大于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
db = pro.daily(ts_code=code, start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"),
end_date=date.today().strftime("%Y%m%d"), fields='open,high,low,close,vol')
if db.empty or len(db) < 250:
continue
db['amplitude'] = (db['high'] - db['low']) / db['close']
db['turnover_rate'] = db['vol'] / (mv * 1e4)
db_selected = db[(db['amplitude'] > 1) & (db['turnover_rate'] * (db['vol'].shift() / db['vol'].shift(2)) > 0.5) & (db['turnover_rate'] * (db['vol'].shift() / db['vol']. shift(2)) < 2)]
if not db_selected.empty:
selected_stocks.append({'code':code, 'last_close': db['close'].iloc[-1]})
# 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。
