问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、9点25分涨幅小于6%。此选股逻辑主要考虑了价格波动、市场人气和市场情绪等因素，筛选出相对稳定但又具备一定投资价值的股票。
选股逻辑分析
该选股逻辑综合考虑了价格波动、市场人气、市场情绪等因素，选取了在相对稳定趋势下且具备一定投资价值的股票，具有一定的参考价值。
有何风险？
该选股逻辑可能存在以下风险：
-
选股逻辑基于过去某一时点的数据，不能完全反映当前市场情况。
-
忽略了公司基本面和行业因素，难以对股票的长期价值进行准确判断。
-
在特定时段内应对市场周期更迭和投资情况不尽相同的挑战方面存在缺陷。
如何优化？
以下为针对该选股逻辑的优化方法：
-
建立更全面的选股指标体系，将公司基本面、财务指标、行情趋势等因素相结合，更全面、更准确地定位个股潜力。
-
在选股之外，要充分考虑风险控制、分散投资等方面的因素。
-
配合量化技术对市场局势进行实时跟踪，及时调整选股策略。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、9点25分涨幅小于6%、流通市值排名前50%、动态市盈率小于30倍。此选股策略在原有的选股条件基础上，增加了流通市值和动态市盈率的选择条件，更加注重优质企业的选取。
同花顺指标公式代码参考
- 振幅：(高点 - 低点) / REF(收盘价, 1)
- 流通市值：CIRC_MKT_CAP
- 动态市盈率：TTM_PE
python代码参考
from gm.api import *
set_token("your_token_here")
# 设置回测起点和终点
start_date = "2020-01-01"
end_date = "2022-01-01"
# 获取深证主板所有股票
symbols_all = get_symbols(exchanges=["SZSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
morning_rise_cond = {"9:25_open": {"$lt": 1.06}}
circ_mkt_cap_cond = {"circ_mkt_cap_rank": {"$lte": 50}}
ttm_pe_cond = {"$lt": 30}
# 构建排序条件
sort_cond = [("hot_rank", 1)]
# 构建选股查询条件
cond = {"$and": [amplitude_cond, limit_up_cond, morning_rise_cond, circ_mkt_cap_cond, ttm_pe_cond]}
# 获取符合条件的股票历史信息
data = query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=["symbol", "hot_rank", "circ_mkt_cap", "ttm_pe", "9:25_open"],
filter=cond,
data_type=2,
sort=sort_cond
)
# 选取前100名
data = data[:100]
# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
通过 Query API 查询股票历史信息，并根据选股条件筛选出符合条件的股票代码，并按热度排序。代码可以在量化平台和本地 Python 环境中执行。
## 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。
