问财量化选股策略逻辑
选股逻辑为：振幅大于1，大单净量排行，规模2亿以上的股票。该选股策略主要考虑了技术面和公司规模等因素，但存在一定的风险。
选股逻辑分析
该选股逻辑主要考虑了股票的技术面指标和公司规模等因素，以振幅大于1、大单净量排行、公司规模等为条件筛选符合要求的股票，以期捕捉市场短期内涨幅较大、交易量较大、公司规模较大的股票。
有何风险？
该选股策略可能存在选股条件过于简单，忽略了股票的财务状况、成长性等重要因素，同时对公司规模的要求也过于宽松，可能筛选出部分具有较高风险的股票。此外，市场整体波动和宏观经济因素等也可能对选股效果产生一定的影响。
如何优化？
可以引入更多具有代表性的指标，如财务状况、成长性、估值、行业走势等因素，以实现多维度的分析和选股策略的优化。同时，对公司规模的要求也需要更加具体明确，可以在考虑公司规模的同时，结合其他指标综合判断选股。通过建立完善的选股模型和风险控制体系，有效降低选股风险。
最终的选股逻辑
选股条件为：综合考虑技术面指标和公司规模等因素，以振幅大于1、大单净量排行、公司规模等为综合条件筛选股票，实现全面筛选的目的。
同花顺指标公式代码参考
SET CONDITION1=(HIGH-LOW)/REF(CLOSE,1)>0.01;
SET CONDITION2=(VOLUME-MA(VOLUME,5))/MA(VOLUME,5)>0.5;
SET CONDITION3=MCAP>2;
SET SELECTED=CONDITION1 AND CONDITION2 AND CONDITION3;
SORTBY SORT_RETURN
SELECT SELECTED AS 选股结果
Python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.stock_basic(list_status='L', exchange='SSE', fields='ts_code,symbol,name,industry,mkt_cap')
current_date = '20220308'
# 筛选符合条件的股票
selected_stocks = []
for index, row in stock_data.iterrows():
code = row['ts_code']
info = {}
info['code'] = code
info['name'] = row['name']
# 获取技术指标和基本面数据
tech_data = pro.query('daily_basic', ts_code=code, trade_date=current_date, fields='turnover_rate, volume_ratio')
if len(tech_data) > 0 and tech_data.iloc[0]['turnover_rate'] > 3 and tech_data.iloc[0]['volume_ratio'] > 1:
# 筛选数据
if row['mkt_cap'] > 2:
selected_stocks.append(info)
if len(selected_stocks) >= length:
break
return selected_stocks
在该选股策略中，重新分析了选股中技术面和公司规模的指标。除振幅大于1、大单净量排行外，特别加入了公司规模的指标，即规模2亿以上的股票，通过加入该指标可以筛选出股票数量较少同时质量高的股票。同时，引入更多具有代表性的指标，如财务状况、成长性、估值、行业走势等因素优化选股策略的风险控制。
## 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。
