问财量化选股策略逻辑
选股逻辑为：振幅大于1，流通市值大于100亿元，机构动向大于0。该选股策略注重选取交投活跃度较高、公司规模较大且市场情绪较为乐观的股票。
选股逻辑分析
该选股策略注重选取交投活跃度较高、公司规模较大且市场情绪较为乐观的股票。振幅大于1是考虑到交投活跃度，流通市值大于100亿元则是考虑到公司规模，机构动向大于0则反映了机构对于该股票未来表现的看好程度。
有何风险？
选股逻辑过于依赖市场情绪，可能会受到市场大环境的影响，缺乏基本面因素的考量，可能会选择一些表现良好但估值偏高、风险偏大的股票。
如何优化？
可以在现有选股逻辑的基础上增加基本面数据因素的考虑，比如盈利情况、财务状况等，以综合分析为主，降低选股的风险。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，机构动向大于0。该选股策略注重选取交投活跃度较高、公司规模较大且市场情绪较为乐观的股票，同时增加基本面数据的考量，达到全面性的选股评估。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100) >= 1; //振幅大于1
C2: CIRC_MV > 10000000000; //流通市值大于100亿元
C3: FI>0;//机构动向大于0
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,market')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
market = data.iloc[i]['market']
if market != 'SH': # 非主板股票
continue
k_data = pro.daily(ts_code=code)
if len(k_data) < 251: # 数据不足
continue
if k_data['close'].iloc[-1] < k_data['close'].iloc[-2]: # 昨日收盘价低于前一日收盘价
continue
fi = pro.moneyflow(ts_code=code, start_date='', end_date='')
if len(fi) < 2: # 机构动向数据不足
continue
if fi['net_mf_vol'].iloc[-1] < 0: # 机构动向为负
continue
info = {}
info['ts_code'] = code
info['name'] = data.iloc[i]['name']
df_list.append(info)
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_stocks
## 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。
