问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1；
- 至少5根均线重合；
- 市值在100亿以内的无亏损企业。
选股逻辑分析
该选股逻辑相比之前增加了公司基本面的考虑，不再只依据技术面指标，也要对所选股票的公司基本面进行一定的筛选。同时，设定了一个较为宽松的市值上限，能够覆盖更多中小型公司，更有机会挖掘出低估价值。但选择无亏损企业的条件过于严格，可能剔除了一些在营收增长期的公司，忽略了盈利情况可能受到其他因素影响的情况。
有何风险？
该选股逻辑仍然偏重于市场走势和技术面的判断，忽略了一些与公司基本面和盈利能力相关的因素，如行业竞争力、市场预期等等，有可能选出的股票具有较高的风险。忽略了股票长期的基本面情况，只看短期的财务状况，容易造成逃顶失败。
如何优化？
可以加入其他的基本面因素，如盈利能力、估值、股息率等等，以更全面地考察公司的财务状况。同时，也可以引入股票的量价表现以及其他技术指标如RSI、MACD等进行辅助判断，并设定动态止损功能，规避风险。在选股时需结合整个市场环境以及公司的行业地位等因素，进行判断和取舍。
最终的选股逻辑
综上所述，我们建议选股策略逻辑为：
- 振幅大于1；
- 至少5根均线重合；
- 市值在100亿以内的公司；
- 营收增长良好并具备盈利能力；
- 综合考虑股票的基本面和技术面因素。
同花顺指标公式代码参考
- 振幅：(最高价-最低价)/收盘价
- 均线：MA(CLOSE，N)
python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_pool(date, low_price, ma_count):
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
# 振幅大于1
bars_all = ts.get_hist_data(code, start='2021-01-01')
close = bars_all['close'].values
high = bars_all['high'].values
low = bars_all['low'].values
amplitude = (high - low) / close
if amplitude[-1] < 0.01:
continue
# 均线
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20]]))
if ma_count < 5:
continue
# 市值和公司基本面
cap = df.loc[code]['totals'] * close[-1]
if cap >= 100000000000:
continue
if df.loc[code]['esp'] < 0:
continue
if df.loc[code]['rev'] < 0:
continue
# 综合考虑其他因素，如RSI、动态止损等
# 选出的股票加入结果中
price = close[-1]
if price < low_price[0] or price > low_price[1]:
continue
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': price, 'vol': df.loc[code]['volume']},ignore_index=True)
result = result.sort_values(by=['vol'], ascending=False)
return result
注：代码仅供参考，具体选股逻辑和细节可根据实际需求进行调整。
## 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。
