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，上市时间大于XXX天进行选股。
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。
- 上市时间较长的企业可能已经经过市场考验，有一定的稳定性和可信度。
有何风险？
- 重视单一指标而忽略了其它指标对股票表现的综合影响风险较大。
- 上市时间长的公司可能已经遇到了诸多挑战，最终的结果可能未必最佳。
如何优化？
- 应该结合多种指标，如市盈率、市净率、PEG等指标综合分析，调整指标权重和筛选条件。
- 可以考虑对上市时间进行区分，如对公司上市的时间进行分类，将不同时间段划分为不同的策略。
- 考虑对资金流向、股票评级等其他数据进行分析，增强筛选的全面性和准确性。
- 针对股票的周期性波动特点，可设置止盈、止损、调仓等措施，降低风险。
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，综合市盈率、市净率、PEG等指标，筛选上市时间满足一定条件的个股作为投资标的。
同花顺指标公式代码参考
(HIGH-LOW)/LOW>=0.01
AND MktValue<=100 AND MktValue>0
AND IF(net_profit>0,1,0)
AND LISTDAY > $YYYYMMDD$ - XXX
AND Ref(WEEKDAY,0)=5
python代码参考
import akshare as ak
def select():
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['net_profit'].astype(float)>0]
data = data.loc[data['name'].str.contains('ST')==False]
data = data.loc[data['list_date'].astype(str).apply(lambda x: (datetime.now()-datetime.strptime(x,'%Y%m%d')).days)>XXX]
data = data.loc[pd.to_datetime(data['date']).dt.weekday==4]
data['ma5'] = data['close'].rolling(5).mean()
data['ma10'] = data['close'].rolling(10).mean()
data = data.loc[data['ma5']>data['ma10']]
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。
