问财量化选股策略逻辑
选股逻辑：振幅大于1,100亿市值以内的无亏损企业,10日涨幅大于0小于35。
选股逻辑分析
该选股逻辑同样考虑了技术分析、基本面分析、资金流向和个股市场表现等多方面因素。振幅和市值分析符合技术分析的思路，选择无亏损企业符合基本面分析的要求，10日涨幅符合股票市场热点。
有何风险？
该选股逻辑可能存在以下潜在风险：
- 规避了很多股票，导致可选股票数量不多；
- 过分关注短期市场表现而非长期价值；
- 缺乏其他重要基本面和技术面指标以综合评估股票；
如何优化？
为了优化该选股逻辑，可以考虑以下方面进行改进：
- 加入更多选股条件，如PEG、ROE等指标，以充分了解企业价值;
- 调整涨幅范围和选股数量的平衡；
- 增加其他市场热点和技术指标，并保持相应的比例关系；
- 添加其他风险指标，如财务杠杆等；
- 适当关注历史数据，全面剖析企业的发展方向。
最终的选股逻辑
经过改进后的选股逻辑如下：
- 振幅大于1%;
- 100亿市值以内的企业；
- 最近四个季度净利润均为正数；
- 选择10日涨幅大于0且小于35的股票。
- 增加市场热度和其他技术指标;
- 控制个股仓位和止损；
- 增加其他基本面和风险指标。
同花顺指标公式代码参考
该选股逻辑的同花顺指标公式如下：
SELECT (HIGH-LOW)/REF(CLOSE,1) > 0.01 AND CAPITALIZATION <= 100 AND AVERAGE(NET_PROFIT)>0 AND (CLOSE-REF(CLOSE,10))/REF(CLOSE,10) > 0 AND (CLOSE-REF(CLOSE,10))/REF(CLOSE,10) < 0.35
python代码参考
import pandas as pd
import re
from tqsdk import TqApi, TqAuth, TargetPosTask
api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))
symbol_list = api.query_quotes()["codes"]
pattern = re.compile("^60")
for symbol in symbol_list:
df = api.get_kline_serial(symbol=symbol, duration_seconds=300, data_length=300)
# 振幅和技术面筛选
C1 = (df['high'] - df['low']) / df['close'].shift(1) * 100 > 1
# 基本面筛选
# 100亿市值以内的企业
C2 = api.get_quote(symbol).capitalization <= 100_0000_0000
# 最近四个季度净利润均为正数
C3 = all(api.financials(symbol).profit.loc[api.financials(symbol).profit.index >= '2020-01-01'] > 0)
# 行情面筛选
# 10日涨幅大于0且小于35
C4 = (df['close'] - df['close'].shift(10)) / df['close'].shift(10) > 0 and (df['close'] - df['close'].shift(10)) / df['close'].shift(10) < 0.35
# 风险控制选股
selector = C1 & C2 & C3 & C4
if selector:
result.append(symbol)
## 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。
