问财量化选股策略逻辑
选股逻辑为：振幅大于1，流通市值大于100亿元，高点为两日最高。该选股策略同时考虑了市场交易情况和公司规模，以及股票走势的判断。
选股逻辑分析
该选股策略主要考虑了市场交易情况、公司规模和股票的走势等方面，通过振幅和流通市值的筛选判断市场交投活跃度和公司规模，通过高点为两日最高对股票走势进行综合判断，符合股票走势对投资者的判断需求。
有何风险？
该选股策略忽略了企业基本面和财务数据等重要因素，盲目依赖股票的技术面，存在一定程度上的投资风险，例如，在宏观经济形势不稳定或者公司业绩出现问题时，该选股策略很可能选出的股票并不是市场优质标的。同时，高点为两日最高也可能只是个短期走势的闪烁点，无法保证其长期持续性和稳定性。
如何优化？
分析股票的基本面、财务数据和行业前景等因素，全面进行股票选择，以降低投资风险。可以选择配合其他指标如MACD、RSI、KDJ等指标进行综合判断，寻找更全面的判断标准。另外，在风险控制方面，可以结合资金管理、止损和分散投资等方式，以防止出现较大的亏损情况。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，高点为两日最高。该选股策略同时考虑了市场交易情况和公司规模，以及股票走势的判断。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100)>=1; //振幅大于1
C2: CIRC_MV>10000000000; //流通市值大于100亿元
C3: HIGH=HHV(HIGH,2); //高点为两日最高
SYMBOL: C1 AND C2 AND C3;
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()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
quote = pro.futu_quote(code).iloc[0] # 获取实时行情
if abs((quote['high'] / quote['low'] - 1) * 100) < 1: # 振幅小于1
continue
circ_mv = pro.daily_basic(ts_code=code, trade_date=quote['date'], fields='circ_mv').iloc[0]['circ_mv'] # 流通市值
if circ_mv < 10000000000: # 流通市值小于100亿元
continue
high = pro.daily(ts_code=code, start_date=quote['date'], end_date=quote['date'], fields='high').iloc[0]['high'] # 获取当日最高价
if high <= pro.daily(ts_code=code, start_date=quote['date'], end_date=quote['date'], fields='high,trade_date', limit=2).iloc[1]['high']: # 如果高点不是两日最高价
continue
info = {}
info['ts_code'] = code
info['name'] = data.iloc[i]['name']
df_list.append(info)
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_stocks
## 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。
