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,昨天换手率＞8%。
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，昨日换手率则是考虑到资金流向的变化情况。
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；
- 昨日换手率过于短期，不一定能够代表当天的真实市场情况；
- 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：
- 结合基本面和市场热度指标，如EPS、PE、资金流向等，通过多方面的指标分析得出更加准确的选股结果；
- 加入长期趋势分析，例如加入股价超越均线状况、市净率等指标，以选取长期走势符合预期的个股；
- 适当放宽振幅和市值的筛选条件，以便捕捉小市值或弱势股票的机会。
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；
- 最近四个季度净利润均为正数；
- 昨日换手率大于8%;
- 加入股票长期趋势分析，比如股价超越均线、市净率等；
- 加入其他技术面和市场热度指标。
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 REF(VOLUME,1)/REF(CAPITALIZATION,1)*100 >= 8
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)
# 资金流向筛选
# 昨日换手率 >= 8%
C4 = api.get_quote(symbol).volume / api.get_quote(symbol).capitalization * 100 > 8
# 长期趋势分析
# 股价超过5日均线和10日均线或者市净率低于行业平均值等
C5 = df['close'].iloc[-1] > df.rolling(5).mean().iloc[-1] and df['close'].iloc[-1] > df.rolling(10).mean().iloc[-1]
# 技术面和市场热度指标筛选
# 策略组合
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。
