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,收益 ＞ 0。
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，收益大于0则是考虑到风险控制的因素。
有何风险？
该选股逻辑可能存在以下潜在风险：
- 选股逻辑过度依赖短期市场情绪，可能会忽略个股的长期发展趋势和价值；
- 收益大于0可能忽略了个股的盛行趋势和市场热点，从而错过可能的机会；
- 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：
- 结合多种技术面和基本面指标，如均线、MACD、财务报表等进行综合筛选，从而更加准确地得到优质个股；
- 加入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；
- 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；
- 收益大于0；
- 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 REF(CLOSE,1)/REF(CLOSE,2) > 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:
# 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)
# 风险控制选股
# 收益大于0
C4 = api.get_kline_serial(symbol, duration_seconds=60)["close"].iloc[-1] / api.get_kline_serial(symbol, duration_seconds=60)["close"].iloc[-2] > 1
# 综合策略
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。
