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，要求股票集中度在70%以下或20%以上。该策略结合股票价格波动和市场集中度进行筛选，希望找到潜力较大，市场结构分散或聚合程度较高的股票。
选股逻辑分析
本选股策略依据股票价格波动和市场集中度进行挑选。集中度为指标当中关键的筛选条件，兼顾了市场结构的分散程度和聚合程度两个方面。通过限制价格波动幅度和集中度，筛选出具有一定市场潜力的股票。
有何风险？
本选股策略中集中度限制可能会剔除一些较为具有声望和较为成功的公司，对于市场的大牛股可能会给出不合理的选股结果。此外，由于市场估值泡沫等问题的存在，过分依赖简单的单一指标的选股策略可能产生误判。
如何优化？
为优化选股策略，可以进一步加入财务指标，如收入和利润增长率、股息率等，为选定的股票增加财务维度的筛选。此外，可对选股模型的设计进行多方位算法优化，提高模型的稳定性和有效性。
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，要求股票集中度在70%以下或20%以上。
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
# 筛选股票集中度70%以下或20%以上的股票
top10_hold = pro.top10_holders(ts_code=code)
if top10_hold.empty or ((top10_hold['hold_ratio'].iloc[:5].sum() < 0.7) and (top10_hold['hold_ratio'].iloc[:2].sum() > 0.2)):
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'] / (db['vol'].sum() / len(db))
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。
