问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，100亿市值以内的无亏损企业。
选股逻辑分析
该选股逻辑的核心在于选出价格波动较大，且处于上涨状态的中小市值优质标的。振幅大于1、K线小于20能够筛选出价格波动较大的标的，而100亿市值以内的无亏损企业则为了筛选中小市值优质标的。该选股逻辑已经充分考虑了基本面等其他重要因素，降低了盲区，但仍存在一定的风险。
有何风险？
该选股逻辑已经考虑了企业的基本面和市值等因素，但行业属性等因素可能对股票表现存在一定影响，需要结合其他因素进行综合分析。同时，100亿市值的划分可能存在主观性，需要注意市值数据的准确性。
如何优化？
可以结合行业属性等因素进行综合分析，避免单一因素影响策略表现。同时，可结合财务数据，如营收增长率、净利润增长率等指标进行筛选，选出真正具有投资价值的标的。此外，可以结合技术面指标，如RSI、MACD等指标进行分析，提升选股精准度。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- K线小于20；
- 市值不大于100亿；
- 利润持续盈利；
- 综合考虑大盘走向、基本面、行业属性、财务数据、技术面等综合因素。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
C1: Amp() > 1;
C2: KDJ(9,3,3) < 20;
C3: GET_MARKET_CAP() <= 100;
C4: SUM(PROFITTWOYEAR > 0, 2) = 2;
SELECTOR := C1 AND C2 AND C3 AND C4;
RESULT := SELECTOR;
其中，GET_MARKET_CAP()获取股票的市值数据，SUM()函数用于统计重大事项数量。
Python代码参考
以下是Python实现该选股策略的选股逻辑：
amp = (df['high'] - df['low']) / df['close']
kdj, kdj_signal = talib.STOCH(df['high'], df['low'], df['close'], fastk_period=9, slowk_period=3, slowd_period=3)
market_cap = df['total_mv'] / 100000000
profit_two_year = df['nprg'].rolling(window=8).apply(lambda x: sum(x > 0) == 8, raw=True)
selected_stocks = market_cap <= 100
selected_stocks &= profit_two_year
selected_stocks &= amp > 1
selected_stocks &= kdj < 20
selected_stocks = pd.DataFrame({'code': code, 'selected': selected_stocks})
selected_stocks = selected_stocks[selected_stocks['selected']]
selected_stocks = selected_stocks.sort_values('pct_chg', ascending=False)
selected_stocks.drop('pct_chg', axis=1, inplace=True)
return selected_stocks['code'].tolist()
通过使用Python实现该选股逻辑，结合股票振幅、KDJ指标、市值和企业盈利等进行选股。在实际运用过程中，可以根据实际情况和投资策略进行相应的优化和改进。
## 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。
