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,未清偿可转债简称不可为空。
选股逻辑分析
该选股逻辑增加了可转债市场的参考因素，同时考虑了技术分析和基本面分析两个方面。振幅和市值分析符合技术分析的思路，无亏损企业和未清偿可转债简称分析符合企业基本面的筛选。
有何风险？
该选股逻辑有以下潜在风险：
- 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；
- 只要是无亏损企业不一定符合优质企业，可能忽略企业其他财务指标；
- 未清偿可转债简称选股策略比较具有主观性，可能会受到选股者个人意愿的影响，难以完全准确筛选。
如何优化？
要优化该选股逻辑，可以考虑以下方面进行改进：
- 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，如换手率、市盈率等指标，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；
- 未清偿可转债简称不可为空；
- 当日的开盘价高于昨日收盘价。
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 ISSUESUBSHORTNAME<>"" AND OPEN>REF(CLOSE,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
C4 = (df['open'] > df['close'].shift(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)
# 未清偿可转债简称不为空
C6 = api.get_quote(symbol).issue_sub_short_name != ""
# 策略组合
selector = C1 & C4 & C2 & C3 & C6
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。
