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,圆弧形。
选股逻辑分析
该选股逻辑同样考虑了技术分析、基本面分析和风险控制。振幅和市值分析符合技术分析的思路，无亏损企业分析符合企业基本面的筛选，圆弧形则是考虑到股价在一定趋势中的变化，通过调整指标参数进行选股。
有何风险？
该选股逻辑可能存在以下潜在风险：
- 圆弧形选股过于主观，参数设置不当可能失去投资机会；
- 振幅和市值较大可能忽略了小市值或弱势股票的机会。
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：
- 加入更多技术面和基本面指标，如MACD、KDJ以及财务指标等，以更加全面地筛选优质股票；
- 增加行业分析和市场热点分析等，以分析股票的热度和趋势，从而做出更加合理的投资决策；
- 针对股票在一定趋势中的变化，细化圆弧形参数，提高选股准确率；
- 合理控制风险，以止损和仓位控制等方式，避免单个个股带来的风险。
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；
- 针对股票在一定趋势中的变化，设置圆弧形参数；
- 加入多种技术面、基本面和市场热点指标；
- 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 (ROUND(((CLOSE-REF(CLOSE,15))/REF(CLOSE,5))*100, 2)) > 5
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:
# 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)
# 圆弧形选股
C4 = round(((api.get_quote(symbol).close - api.get_kline_serial(symbol, duration_seconds=900).close[-15]) / api.get_kline_serial(symbol, duration_seconds=900).close[-5]) * 100, 2) > 5
# 加入多种技术面、基本面和行业指标
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。
