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,流通市值大于100亿元。
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，流通市值则是考虑到市场活跃度和股票流动性的影响。
有何风险？
该选股逻辑可能存在以下潜在风险：
- 流通市值只是表征股票流动性的一个指标，有可能出现选中的股票市场交易量不足或被大股东所持有的情况；
- 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；
- 筛选的条件过于严格，导致选出的股票数量较少，可能错失一些优质企业。
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：
- 流通市值判断可以使用其他指标来代替，比如换手率或成交金额等来代表流动性；
- 可以将振幅作为一个可变的筛选条件，可以加入其他技术面指标来辅助选股；
- 可以加入其他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。
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；
- 流通市值大于100亿元。
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 CIRC_MARKET_CAP>100;
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
# 流通市值大于100亿元
C4 = api.get_quote(symbol).circulating_market_cap > 100_0000_0000
# 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。
