问财量化选股策略逻辑
选股逻辑：振幅大于1，深证主板中市盈率0-29.01，市净率0-3.11的股票，20日均线大于120日均线。
选股逻辑分析
该选股策略在原有逻辑的基础上加入了技术指标均线的筛选条件，可以从均线的角度评估股票的价格走势和趋势，确定股票的买入卖出时机。
有何风险？
该选股策略存在以下风险：
- 均线的筛选条件容易遗漏一些具有投资价值的股票；
- 仅根据简单的均线指标进行选股，忽略了其他复杂的技术指标，可能存在选股效果不佳的情况。
如何优化？
为优化该选股策略，可以考虑以下方面：
- 在保持原有条件的基础上，增加其他技术指标，如布林带、RSI等，丰富筛选条件，改进选股逻辑；
- 考虑引入公司基本面和财务数据，如营收、净利润同比增长率等指标，结合市场条件和行业情况进行评估，更全面和准确地了解公司的价值，优化选股策略。
最终的选股逻辑
根据以上分析和建议，我们提出如下完善后的选股逻辑：
- 振幅大于1；
- 上市时间大于180天的深证主板股票；
- 市盈率在0-29.01，市净率在0-3.11；
- 20日均线大于120日均线；
同花顺指标公式代码参考
- 20日均线指标：MA(CLOSE,20)
- 120日均线指标：MA(CLOSE,120)
- 振幅指标：(HIGH - LOW) / REF(CLOSE,1)
Python代码参考
利用 Tushare 库的 Python 代码如下：
import pandas as pd
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股逻辑
'''
# 基本面筛选和上市时间筛选
base = ts.get_stock_basics()[code]
if base['timeToMarket'] > datetime.now().strftime('%Y%m%d') or (datetime.now() - datetime.strptime(base['timeToMarket'], '%Y%m%d')).days < 180 or \
base['pe'] < 0 or base['pe'] > 29.01 or base['pb'] < 0 or base['pb'] > 3.11 or base['area'] != '深圳':
return False
# 技术指标筛选
k_data = ts.get_k_data(code, autype='qfq')
if k_data.empty or k_data['close'].rolling(window=20).mean().iloc[-1] <= k_data['close'].rolling(window=120).mean().iloc[-1] or \
k_data['high'].sub(k_data['low'].shift()).div(k_data['close'].shift()).iloc[-1] < 0.01:
return False
return True
# 获取符合选股逻辑要求的股票列表
selected_stocks = ts.get_stock_basics().index[ts.get_stock_basics().apply(is_selected, axis=1)].tolist()
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他策略
该代码根据修正后的选股逻辑，在计算振幅、市盈率、市净率等指标时加入了新的筛选条件，并使用 pandas 库和 Tushare 库等工具计算均线指标，以确定是否符合选股逻辑的要求。在得到符合要求的股票后，可以采用特定的交易策略进行后续操作。
## 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。
