问财量化选股策略逻辑
选股逻辑为：振幅大于1、未清偿可转债简称不可为空、PE>0。该选股策略结合了公司基本面和股票交易波动性，找到具备高投资价值的股票。
选股逻辑分析
振幅大于1代表着股票价格的波动性较高，未清偿可转债简称不可为空则表明该公司具备债务偿还能力，PE>0则代表公司的盈利能力，综合考虑这些因素可以找到更具投资潜力的个股。
有何风险？
该选股策略只考虑了公司的基本面和股票价格的波动性，忽略了其他股市细节和行业趋势等不确定性因素的影响。股票PE指标仅能反应公司的静态价值，不能审视公司的发展前景和成长性。
如何优化？
应该综合考虑股票的估值、公司业绩和行业趋势等因素进行筛选。同时，引入动态的指标如PEG、ROE等指标来衡量公司的价值和成长性，找到更具投资价值的个股。
最终的选股逻辑
对于A股市场来说，PE这一指标较少企业实际应用，且由于各行各业经营思路以及会计做法上的不同，会有诸多不确定性因素。为此，本选股策略调整选股逻辑为：振幅大于1、未清偿可转债简称不可为空、PB<1.5。
同花顺指标公式代码参考
(BOND_FULL_NAME != '' AND LEFT(RIGHT(CODE, 4), 1) != '3') AND (VOL/(CAPITAL*PRICE) > 0.01) AND (PETTM > 0) AND (PB < 1.5)
以上为计算选股逻辑的通达信指标公式，其中PB表示股票的市净率。
Python代码参考
import tushare as ts
import pandas as pd
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
all_stocks = [ts_code for ts_code, name in pro.stock_basic(exchange='', list_status='L', fields='ts_code,name').values.tolist() if name[0]!='S' and '创业板' not in name and '科创板' not in name and '退' not in name]
for ts_code in all_stocks:
finance_data = pro.query('fina_indicator', ts_code=ts_code, fields='pb,pe_ttm')
if finance_data.empty or finance_data.iloc[0]['pb']>1.5 or finance_data.iloc[0]['pe_ttm']<0:
continue
daily_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=501)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))
if daily_data.empty:
continue
if daily_data.iloc[0]['high_limit'] == daily_data.iloc[0]['low_limit']:
continue
if (daily_data.iloc[-1]['high'] - daily_data.iloc[-1]['low'])/daily_data.iloc[-1]['low'] <= 0.01:
continue
selected_stocks.append((name, ts_code))
return selected_stocks
以上为Python代码实现，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、PB<1.5，加入PE的筛选因素进行选股。可在代码中自定义选股指标的筛选条件，根据实际投资需求进行选股。
## 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。
