问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1
- 今日最低价小于昨日最低价
- 北京A股除外
选股逻辑分析
该选股策略同样采用多重条件筛选。振幅大于1和今日最低价小于昨日最低价表明当前股票波动较大，但面临反弹可能。排除北京A股除外是因为北京公司的估值高，选择潜力相对较小。
有何风险？
该选股策略仅排除北京A股，可能忽略其他城市的高估值股票。同时，排除某一地域的股票可能限制了选股策略的灵活性，可能放宽区域限制。
如何优化？
该选股策略应该加入其他基本面指标来补充，如股票流通性、财务数据、行业数据等。另外设置筛选条件也可能更具企业的实际需求，例如可以将“北京A股”改为“高估值股票”，选择相对更具价值的公司。
最终的选股逻辑
基于以上分析，完善后的选股逻辑为：
- 振幅大于1，市场对波动剧烈的股票更感兴趣；
- 今日最低价小于昨日最低价，表明股票下跌趋势已经明显；
- 排除北京A股；
- 加入其他基本面指标进行评估；
同花顺指标公式代码参考
- 振幅大于1: amplitude > 1
- 今日最低价小于昨日最低价: low < ref(low, 1)
- 北京A股除外: area != '北京'
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
if df.loc[code]['area'] != '北京':
bars = ts.get_hist_data(code)
if bars is not None:
is_amplitude_large = bars['high'][-1]/bars['low'][-1] > 1.01
is_today_lowest = bars['low'][-1] < bars['low'][-2]
if is_amplitude_large and is_today_lowest:
# 加入其他基本面指标
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'][-1], 'total_assets': df.loc[code]['total_assets'], 'gross_profit': df.loc[code]['gross_profit_ratio'], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe']}, ignore_index=True)
result = result.sort_values(by=['total_assets'], ascending=False)
## 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。
