(iwencai量化)非科创_、PE

问财量化选股策略逻辑

选股逻辑为：振幅大于1、PE>0、非科创的股票。将选股逻辑作为第一个标题放入段落中。

选股逻辑分析

该选股策略的逻辑如下：

振幅大于1表示该股票价格波动比较大，有较高的交易活跃度；
PE>0表示该股票未亏损，有一定盈利能力；
非科创表示该股票不属于科创板，成熟度相对较高，风险相对较小。

综合以上几点，我们可以选出具备较好交易活跃度、盈利能力和稳健性的股票。

有何风险？

该选股策略的风险如下：

该策略可能忽略了一些具有较高成长性的企业，例如科技等新兴行业的公司。
振幅大的股票通常伴随着较高的风险，需要特别注意。

如何优化？

为了降低风险和提高选股的成功率，可以在以上的基础上进行如下优化：

增加选股指标，如股息率、市盈率等，以提高选股的完整性；
考虑行业特点，例如一些新兴科技企业的股票；
引入风险因素的计算，例如beta因子、波动率等，进一步优化选股策略。

最终的选股逻辑

综合以上分析和优化，我们最终的选股逻辑为：振幅大于1、PE>0、非科创的股票。在此基础上，可以进一步进行调整和优化，以降低风险，提高选股成功率。

同花顺指标公式代码参考

以下是同花顺选股公式代码参考：

# 振幅大于1
C1: (HIGH - LOW) / REF(CLOSE, 1) > 0.01;

# PE>0
C2: PE > 0;

# 非科创板
C3: INDUSTRYCODE != '8';

# 选取同时满足以上条件的股票
FILTER: C1 AND C2 AND C3;

其中，C1、C2、C3分别表示振幅大于1、PE>0、非科创的选股条件；FILTER表示同时满足这些条件的股票进行筛选。

Python代码参考

以下是使用Python进行选股的代码参考：

import pandas as pd
import tushare as ts


def stock_selection():
    # 获取股票数据
    all_data = ts.get_today_all()
    all_data = pd.DataFrame(all_data, columns=["code", "name", "changepercent", "trade", "high", "low", "open", "volume", "amount", "pb", "pe", "industry"])
    
    # 振幅大于1
    condition1 = (all_data["high"] - all_data["low"]) / all_data["trade"].shift(1) > 0.01
    
    # PE > 0
    condition2 = all_data["pe"] > 0
    
    # 非科创板
    condition3 = all_data["industry"] != "8"
    
    # 筛选符合条件的股票
    selected_data = all_data[condition1 & condition2 & condition3]
    
    return selected_data

其中，我们利用tushare库获取当天所有股票数据，并按照选股逻辑进行筛选，最终返回符合条件的股票数据。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(iwencai量化)非科创_、PE_0、振幅大于1