问财量化选股策略逻辑
选股逻辑为振幅大于1，100亿市值以内的无亏损企业，PE>0。
选股逻辑分析
- 振幅大于1可以筛选出短期内波动较大的股票，有较大的盈利机会。
- 100亿市值以内可以筛选出市值较小的股票，可能具有较好的成长潜力。
- 无亏损企业可以筛选质量较高的企业。
- PE>0 代表股票市盈率为正，股票估值不会过低。
有何风险？
- 过度追求股票的短期涨幅可能会忽略掉股票的长期表现和价值。
- 市盈率过高的股票可能存在高估风险，不利于股票长期的持仓。
- 选股过于依赖财务指标，可能会忽略股票基本面和市场情况，也有可能导致选股错误。
如何优化？
- 结合多个指标进行筛选，如财务指标、技术指标、基本面分析等，增加选股维度，提高选股的准确性和可靠性。
- 调整选股策略为选取 PE 平均值在行业内处于中等水平的股票，更好地保证选出的股票估值合理。
- 加入股票基本面和市场情况的考虑，避免过分追求技术指标而忽略了股票的长期价值。
最终的选股逻辑
选股逻辑为振幅大于1，100亿市值以内的无亏损企业，PE 平均值在行业内处于中等水平的股票，结合多个指标进行筛选，考虑公司基本面和市场情况，选择适合的股票进行投资。
同花顺指标公式代码参考
(HIGH-LOW)/LOW>=0.01
AND MktValue<=100 AND MktValue>0
AND IF((pe_ttm>0)*(pettm<=20),1,0)
AND IF(net_profit>0,1,0)
python代码参考
import akshare as ak
def select():
data = ak.stock_zh_a_daily_sina(symbol="sh000001")
data.index = pd.to_datetime(data.index)
data = ak.stock_zh_a_spot()
data = data.loc[(data['market_capitalization']>0)&(data['market_capitalization']<=100)]
data = data.loc[(data['high']-data['low'])/data['low']>=0.01]
data = data.loc[(data['pe_ttm']>0)&(data['pe_ttm']<=20)]
data = data.loc[data['net_profit'].astype(float)>0]
return data
## 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。
