问财量化选股策略逻辑
选股逻辑为振幅大于1、规模2亿以上，选股年度为2021年。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股逻辑主要考虑了振幅和规模两个方面的因素，同时规定了选股年度为2021年。振幅可以反映股票价格波动的幅度，规模可以反映公司的市场竞争力和业务规模。选股年度的设定可以纳入市场环境因素，根据年度选股，可以更有针对性地选择具备潜在上涨动力的标的，避免过于追求短期涨幅带来的风险。
有何风险？
该选股策略主要风险如下：
- 振幅作为单一因素的选股策略，可能会忽略股票基本面和市场定价的手段；
- 选股年度的设定虽然可以纳入市场环境因素，但是局限性较大，可能会造成策略时效性不够。
- 规模作为单一因素，可能难以反映公司的综合实力和增长潜力。
如何优化？
为了缓解以上风险，可以考虑以下优化措施：
- 按照选股年度进行筛选，同步加入主要的估值指标以判断市场定价是否合理；
- 结合股票基本面，如公司的财务状况、产品创新能力等方面进行分析；
- 综合多个因素，如技术指标、基本面、行业走势等，构建更全面的选股模型。
最终的选股逻辑
在综合考虑风险和优化措施后，我们得出了如下缩小版的选股逻辑：
- 2021年度的股票；
- 振幅大于1；
- 规模2亿以上，并且市值占比排名在行业前1/3。
基于该选股逻辑的股票筛选，应结合实际需求和风险承受能力进行具体操作。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
select (
/* 2021年度的股票 */
substr(list_date, 1, 4)='2021'
/* 振幅大于1 */
and high/low-1>=0.01,
/* 规模2亿以上，并且市值占比排名在行业前1/3 */
mkt_cap > 2e8
and mkt_cap / (select sum(mkt_cap) from stock_list where industry=a.industry) > 0.33
) order by code asc
Python代码参考
以下是选股策略示例代码：
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股策略
'''
# 获取股票基本信息和K线数据
stock_info = ts.get_stock_basics().loc[code]
k_data = ts.pro_bar(ts_code=code, start_date='20210101', end_date='20211201', adj=None)
# 判断选股条件
if str(stock_info['list_date'])[:4] == '2021' \
and 1 <= (k_data.iloc[-1]['high'] / k_data.iloc[-1]['low'] - 1) * 100 <= 100 \
and stock_info['totalAssets'] > 2e8 \
and stock_info['totalAssets'] / (ts.get_stock_basics().groupby('industry')['totalAssets'].sum()[stock_info['industry']]) > 0.33:
some_other_conditions = True
# 判断股票是否符合要求
return some_other_conditions
return False
# 获取符合策略要求的股票列表
selected_stocks = [code for code in ts.get_stock_basics().index if is_selected(code)]
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他交易策略
示例代码通过 Tushare 库获取相应的股票数据，结合选股逻辑进行筛选，最终得到符合要求的股票列表。在实际交易中，可根据筛选和排序结果进行后续的操作。
## 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。
