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,现量大于1万手,高开。
选股逻辑分析
该选股逻辑同时考虑了技术分析和基本面分析两个方面。振幅和现量分析符合技术分析的思路，而100亿市值以内的无亏损企业和高开是对企业基本面的筛选。
有何风险？
该选股逻辑有以下潜在风险：
- 只考虑100亿市值以内的企业可能会错过市值大的有潜力的企业；
- 只要无亏损企业就被视为优质企业可能会忽略企业的财务指标；
- 高开的股票也不一定是优秀的企业，存在短期情绪的影响。
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；
- 按照股票的板块、细分行业选择，对不同板块或行业选择不同的指标，以提高筛选精度。
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；
- 现量大于1万手；
- 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 VOL>10000 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)
# 现量大于1万手
C5 = api.get_quote(symbol).volume > 10_000
# 策略组合
selector = C1 & C4 & C2 & C3 & 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。
