(supermind)振幅大于1、100亿市值以内的无亏损企业、前25天有涨停_

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,前25天有涨停。

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、资金流向和市场热度等多方面因素。振幅和市值分析符合技术分析的思路，无亏损企业和前25天有涨停则符合市场热度和资金流向策略。

有何风险？

该选股逻辑可能存在以下潜在风险：

1. 需要选出25天内有涨停的股票，可能会过度追求短期投机性而非长期价值；
2. 仅关注涨停板而忽略其他市场热点，导致错过其他热门行业或股票；
3. 过重关注技术指标，而产生过拟合问题。

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：

1. 增加基本面指标，如财务报表等，以全面了解企业价值；
2. 增加多种市场热点指标，并保持相应的比例关系；
3. 添加其他技术指标，如MACD等；
4. 在筛选条件中加入风险控制条件，如设置止损等。

最终的选股逻辑

经过改进后的选股逻辑如下：

1. 振幅大于1%;
2. 100亿市值以内的企业；
3. 最近四个季度净利润均为正数；
4. 前25天有涨停；
5. 增加市场热度和其他技术指标；
6. 控制个股仓位和止损。

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 COUNT(IF(HIGH==REF(HIGH,1),1,NULL)>=1,25)>=1

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("B")
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
    # 前25天有涨停
    C4 = df['high'].rolling(window=25).apply(lambda x: (x == x.max()).sum()) >= 1
    # 加入其他指标
    C5 = ...
    # 风险控制选股
    selector = C1 & C2 & C3 & C4 & C5
    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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)