问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,PE>0。
选股逻辑分析
该选股逻辑结合了市场情绪、市场资金和基本面因素，较为全面地评估了股票的投资价值。在振幅大于1的条件下，增加了基本面因素的考虑，筛选出当前价格相对合理的优质股票。
有何风险？
该选股逻辑可能存在以下风险：
- 基本面因素不完全准确：所选用的PE指标数据，可能存在延迟和不准确的情况，对于PE高而非真实合理的股票，选出的结果存在较大风险；
- 选股限制较多：多个条件的限制和相互约束，可能造成选股的数量过少，影响组合的分散效应。
如何优化？
为了降低风险和提高精度，我们可以采取以下优化措施：
- 引入更多基本面因素：除了PE之外，还可以引入其他基本面因素，如股息率、市盈率、市净率等作为选股依据，从更全面的方面考虑股票的投资价值；
- 条件限制灵活性：为了保证选出的股票具有代表性和分散效应，同时也允许条件的相对灵活性，不必对每个条件都设定固定的值。
最终的选股逻辑
综上所述，我们最终选择以下选股逻辑：
- 振幅大于1；
- 今日控盘大于21；
- PE大于0。
同花顺指标公式代码参考
C1 = AMP() > 1;
C2 = CONTROLLING_SHARES_CHANGE() > 0.21;
C3 = PE() > 0;
SELECTOR = C1 AND C2 AND C3 ;
RESULT = SORT(RANK(SELECTOR), 1)==1;
python代码参考
def select_stocks():
selected_stocks = []
for stock in get_all_stocks():
c1 = get_price(stock, end_date=datetime.now(), frequency='1d', fields='amplitude')[-1] > 0.01
c2 = abs(get_controlling_shareholders(stock, end_date=datetime.now(), frequency='1d')['controlling_shareholders_day_pct_change'][-1]) > 0.21
c3 = get_valuation_indicator(stock, valuation='pe_ratio', end_date=datetime.now(), frequency='1d')['pe_ratio'][-1] > 0
if c1 and c2 and c3:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_price_change(x, 1, datetime.now(), frequency='1d'), reverse=True)
return selected_stocks[:5]
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要根据自己的需求进行调整。
## 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。
