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，PE>0等因素。该选股策略主要考虑了技术面和市场基本面，筛选出回报潜力较高、基本面质量比较好的股票，但存在一定的风险。
选股逻辑分析
该选股逻辑主要是基于技术面和市场基本面因素的综合考虑，选用振幅大于1，大单净量排行，PE>0等指标来筛选股票。振幅大的股票存在投机型想象空间，有利于短线套利；大单净量排行则体现了大资金的动向，代表了市场的人气；PE>0则为股票的基本面质量要求，符合财务逻辑。但是，该选股逻辑也存在一定的局限性。
有何风险？
该选股逻辑主要依赖于技术面和市场基本面因素进行筛选，而未全面考虑股票的长期趋势变化和其他基本面因素，选股策略的准确性可能会受到影响。同时，PE选股策略会忽略一些处于高成长期的股票，或者一个低PE的股票实际上存在其他问题等，也不能全面反映股票的真实价值。
如何优化？
可以引入更多的因素来筛选股票，如市值、股息率、PB等基本面因素，以及股票的长期趋势变化等因素，以综合分析的方式来确定选股条件。同时引入更多的技术指标和市场基本面因素进行筛选，如相对强度指标（RSI）、移动平均线（MA）等，以提高选股的准确性。对于股票的长期趋势变化和基本面因素的影响，则可结合投资组合管理思想，实行多元化资产配置，以降低风险并提高选股策略的稳健性。
最终的选股逻辑
选股条件为：振幅大于1，大单净量排行，PE>0等综合考虑因素。同时结合股票的市值、股息率、PB等基本面因素进行筛选，以实现全面筛选股票的目的。
同花顺指标公式代码参考
SET STQZ = THVOLPE<0 AND THVOLRATE>20;
SET STJS = TRUEPE > 0;
SET selectedStk = STQZ AND STJS;
SELECT selectedStk AS 选股结果
SortBy = '市值'
TOP(50)
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', fields='ts_code,symbol,name')
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PE
finance_data = pro.query('daily_basic', ts_code=code, trade_date=current_date, fields='pe')
if len(finance_data) > 0 and finance_data.iloc[0]['pe'] > 0:
# 筛选数据
details_yesterday_data = pro.moneyflow(ts_code=code, start_date=current_date, end_date=current_date)
if len(details_yesterday_data) > 0:
if abs(details_yesterday_data.iloc[0]['buy_big_net']) > 0:
selected_stocks.append(info)
if len(selected_stocks) >= length:
break
return selected_stocks
在该选股策略中，我们引入了PE这一因素，以及市值、股息率、PB等基本面因素进行筛选，结合股票的技术面指标和市场基本面因素，深度剖析股票的投资标的，提高了选股策略的精准性和稳健性。同时，在筛选股票的过程中，我们通过对财务数据的筛选，实现了对股票基本面的有效把控，更加全面反映了股票的真实价值。
## 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。
