问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、换手率在2%到9%之间。此选股逻辑拟通过价格波动、市场人气和流通性等因素，筛选出具有较高投资价值的股票。
选股逻辑分析
该选股逻辑聚焦于价格波动、市场人气和流通性三方面因素，既关注了热门股市场表现和交投活跃程度，又规避了过于热门或者流通受限的股票，筛选出具备较高投资价值的股票。
有何风险？
该选股逻辑可能存在以下风险：
-
忽略了公司基本面和行业因素，不能对股票的长期发展进行全面考虑。
-
过度依赖市场情绪和短期交投活跃等因素，难以对股票的长期价值进行较为准确的判断。
-
振幅大于1的股票波动极端，风险较大，更易受到市场情绪影响；
-
换手率过高或者过低的股票可能因公司基本面或者市场能力等原因存在较大问题。
如何优化？
以下是针对该选股逻辑的优化方法：
-
综合利用公司基本面、行业发展动态等因素作为选股依据，更全面、更准确地定位个股潜力。
-
配合技术指标进行筛选，深度挖掘股票潜力，增加选股的准确性。
-
综合考虑股票交易量和流通比例，深度了解公司质量和市场流动性，更好地选取价格波动合理、流动性较高的股票。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、换手率在2%到9%之间、市值处于前50%。此选股策略在原有的选股条件基础上，增加了市值排名，更加注重了选取优秀的公司。
同花顺指标公式代码参考
- 振幅：(高点 - 低点) / REF(收盘价, 1)
- 换手率：VOL / CAPITAL_TOTAL * 100
- 市值：CIRC_MKT_CAP
python代码参考
from gm.api import *
set_token("your_token_here")
# 设置回测起点和终点
start_date = "2020-01-01"
end_date = "2022-01-01"
# 获取深证主板所有股票
symbols_all = get_symbols(exchanges=["SZSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
turnover_cond = {"$and": [{"$gte": 2}, {"$lte": 9}]}
market_value_cond = {"mkt_cap_float_pct_rank": {"$lte": 50}}
# 构建排序条件
sort_cond = [("hot_rank", 1)]
# 构建选股查询条件
cond = {"$and": [amplitude_cond, limit_up_cond, turnover_cond, market_value_cond]}
# 获取符合条件的股票历史信息
data = query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=["symbol", "hot_rank", "close"],
filter=cond,
data_type=2,
sort=sort_cond
)
# 选取前100名
data = data[:100]
# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
通过 Query API 查询股票历史信息，并根据选股条件筛选出符合条件的股票代码，并按个股热度排序。代码可以在量化平台和本地 Python 环境中执行。
## 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。
