问财量化选股策略逻辑
选股逻辑：股票振幅大于1，规模大于2亿，机构动向大于0。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股逻辑主要包括了股票的振幅、规模和机构动向等指标。股票的振幅和规模将会影响其流动性和市场活跃度，而机构动向能够体现资金的流向及市场的趋势。综合考虑这些因素来进行筛选，可以使选股更加准确。
有何风险？
该选股策略的主要风险如下：
- 机构动向难以准确把握，所以存在数据不准确的风险；
- 不考虑公司基本面的因素，选股策略可能过于单一；
- 振幅和机构动向等指标，在特定情况下可能对选股策略造成干扰。
如何优化？
为了优化该选股逻辑，可以考虑以下改进措施：
- 引入其他市场活跃度指标，如成交量、涨跌幅度等，从而得出更全面客观的市场状况，有助于更准确地判断股票流动性；
- 添加基本面指标，如公司财务数据、行业趋势、政策利好等，从而对选股策略进行深入分析；
- 机构动向数据难以准确把握，可以考虑加入机构持股变化等数据指标进行辅助分析。
最终的选股逻辑
综合以上考虑和分析，我们对该选股逻辑进行了修改和优化，最终的选股逻辑如下：
- 股票规模大于2亿；
- 股票振幅大于1；
- 引入其他市场活跃度指标，如成交量、涨跌幅度等，综合考虑股票的技术面和基本面；
- 添加股票基本面指标，如公司财务数据、行业趋势、政策利好等，从而对选股策略进行深入分析；
- 机构动向较好，可以加入机构持股变化等数据指标进行辅助分析。
同花顺指标公式代码参考
该选股策略的指标涉及股票振幅、规模和机构动向等因素，以下是通达信的相关代码：
/*
筛选符合条件的股票
*/
SETVOLUNIT(1000);
SETTRADINGDAY(20190101,20210831);
SETFIRSTTRADINGDATEUNLINE(ALLSTOCKS,20190301);
SETTIMEZONE("Asia/Shanghai");
// 判断过滤条件是否符合条件
SELECT
// 振幅大于1
IF(AMO!=0
AND (OPEN*1.0/UPRICE-1)*(OPEN*1.0/LOW-1)>1,
1,
0
) AS amplitude_filter,
// 规模大于2亿
IF(TOTALCAPITAL*10000 >= 2,
1,
0
) AS capital_filter,
// 市场活跃度指标
IF(
// 成交量大于均值
VOL > AVG(VOL, 5)
// 当日涨跌幅度大于1%
AND (CLOSE - OPEN) / OPEN > 0.01
,
1,
0
) AS market_activity_filter,
// 添加股票基本面指标，如公司财务数据、行业趋势、政策利好等
IF(
// 公司财务数据等判断标准
,
1,
0
) AS basic_info_filter,
// 机构动向
IF(ZLZB>0,
1,
0
) AS institution_trend_filter,
// 总体过滤
IF(amplitude_filter AND capital_filter AND market_activity_filter AND basic_info_filter AND institution_trend_filter,
STOCKRANK_AVG_CAPITAL_30 / SUM(STOCKRANK_AVG_CAPITAL_30) DESC,
0
) as stock_filter;
Python代码参考
该选股逻辑同样可以使用 Tushare 库获取股票数据和基本面数据，并基于振幅、规模、机构动向等因素进行筛选，以下是示例代码：
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股逻辑
'''
# 获取股票数据和财务数据
k_data = ts.pro_bar(ts_code=code, start_date='20190101', end_date='20210820')
basic_data = ts.get_stock_basics().loc[code]
# 判断股票振幅、规模和机构动向等因素
if 1 <= basic_data['amplitude'] <= basic_data['turnover_rate_f'] \
and basic_data['outstanding'] * k_data.iloc[-1]['close'] >= 2e8 \
and k_data.iloc[-2]['close'] >= ts.pro_bar(ts_code=code, start_date='20210701', end_date='20210801')['close'].mean() \
and basic_data['holders'] - basic_data['holders_change'] > 0:
return True
return False
# 获取符合选股逻辑要求的股票列表
selected_stocks = ts.get_stock_basics().index[ts.get_stock_basics().apply(is_selected, axis=1)].tolist()
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他交易策略
该代码通过 Tushare 库获取股票数据和基本面数据，并使用振幅、规模、机构动向等因素进行筛选，参考了 Tushare 的均线计算和数据获取接口。
## 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。
