问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1；
- 至少5根均线重叠的股票；
- 规模在2亿以上。
选股逻辑分析
该选股策略保留了技术面选股的特点，包括振幅和均线，同时加入了市值的考虑，筛选出具有一定规模的股票。市值是企业市场认可和实力的体现，而较小的企业可能具有较高的不确定性，可能存在较大风险，因此加入市值的限制有助于降低一定的风险。
有何风险？
该选股策略与前一个选股策略相比，去除了市盈率和市净率因素，降低了基本面的约束，这样可能会导致在一定程度上选出一些质量较差的公司。此外，由于市值的限制可能会导致一些潜力较大但市值较小的公司被忽略，这也需要进行一定的风险把控。
如何优化？
为了提高选股准确性和稳健性，可以在振幅和均线基础上，再加入一些复杂的技术指标进行策略优化，例如相对强弱指标、MACD等，以及基于基本面的因子，例如收益增长率、净利润率等。同时，可以对市值的限制进行优化，例如通过流通市值、市盈率等综合考量进行限制。同时，需要随时关注市场变化，及时调整策略。
最终的选股逻辑
综合上述分析，建议该选股的逻辑为：
- 振幅大于1；
- 至少5根均线重叠；
- 规模在2亿以上。
同花顺指标公式代码参考
- 无通达信指标公式。
python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_pool(date):
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
# 上市不足60天的股票忽略
if (pd.to_datetime(date) - pd.to_datetime(df.loc[code]['timeToMarket'])).days <= 60:
continue
# 规模筛选
total_mv = df.loc[code]['totalAssets'] * df.loc[code]['pb']
if total_mv < 2e8:
continue
bars_all = ts.get_k_data(code, '2022-01-01', date)
if bars_all is None or bars_all.empty or len(bars_all) < 2:
continue
high, low, close = bars_all['high'].values, bars_all['low'].values, bars_all['close'].values
amplitude = (high - low) / close[:-1]
is_amplitude_large = amplitude.max() > 0.008
# 至少5根均线重叠
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30]]))
is_ma_converge = ma_count >= 5
if is_amplitude_large and is_ma_converge:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars_all['close'].iloc[-1], 'vol': df.loc[code]['volume']},ignore_index=True)
result = result.sort_values(by=['vol'], ascending=False)
return result
注：此函数用于在某个日期获取备选股票池，返回dataframe，包括代码、名称、最新价格、热度等信息。其中涉及的均线、振幅、市值等指标可以参考TALib和tushare。具体市值筛选标准可根据实际需求选取。
## 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。
