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,换手率>2%且<9%。
选股逻辑分析
该选股逻辑同样考虑了技术分析、基本面分析和资金流向分析。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，换手率则是考虑到市场活跃度的影响。
有何风险？
该选股逻辑可能存在以下潜在风险：
- 换手率只是表征市场活跃度的一个指标，有可能出现选中的股票市场流通性不足的情况；
- 换手率的值域选择较为模糊，可能存在一些值介于2%和9%之间的股票被忽略而错失机会；
- 股价的固定筛选可能存在灵活性不足的问题，导致错失一些符合其他条件的优质企业；
- 市场波动较大，股票振幅在一定程度上受市场影响，可能出现选股结果不如预期的情况。
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：
- 换手率判断不仅可以使用固定值域，还可以从其他方面入手，如历史平均值等；
- 在技术面筛选方面，可以考虑加入其他指标，如均线、MACD等辅助分析；
- 可以加入其他基本面指标，如EPS、PE等，通过多方面的指标分析得出更加准确的选股结果；
- 可以加入股票市场热度指标，如资金流向等指标，以帮助分析市场的情况，优化选股策略结果。
最终的选股逻辑
经过改进后的选股逻辑如下：
- 每日振幅大于1%;
- 100亿市值以内的企业;
- 近四个季度的净利润均为正数；
- 换手率介于2%和9%之间。
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 TURNOVER_RATIO>2 AND TURNOVER_RATIO<9;
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)
# 市场活跃度筛选
# 换手率介于2%和9%之间
C4 = 2 <= api.get_quote(symbol).turnover_ratio <= 9
# 策略组合
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。
