(supermind)振幅大于1、100亿市值以内的无亏损企业、昨日非涨停板_

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，昨日非涨停板进行选股。

选股逻辑分析

1. 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。
2. 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。
3. 无亏损企业可以筛选质量较高的企业。
4. 昨日非涨停板可以筛选出没有过于高的涨幅，可能有较大的上涨潜力。

有何风险？

1. 铺设指标不够全面，可能会漏选某些表现好但未达到选股条件的股票。
2. 仅考虑昨日非涨停板，可能会忽略股票的长期表现和潜力。

如何优化？

1. 结合多个指标进行筛选，如财务指标、技术指标等，增加选股维度，提高选股的准确性和可靠性。
2. 考虑多个涨停板，而不仅仅是当日的涨停板，比如距离涨停板的时间，用来综合评估股票的涨势。
3. 可以考虑对行业和板块进行分析和筛选，挖掘不同行业和板块的行业热点，增加选股思路和策略。

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，综合多个指标进行筛选，考虑距离涨停板的时间和行业板块表现进行筛选，选择适合的股票作为投资标的。

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 Ref(Close,1)<Ref(UpperLimit,1)
AND Ref(Close,2)<Ref(UpperLimit,2)
AND Ref(Close,3)<Ref(UpperLimit,3)
AND Ref(Close,4)<Ref(UpperLimit,4)
AND Ref(Close,5)<Ref(UpperLimit,5)
AND Ref(Close,6)<Ref(UpperLimit,6)

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['close']-data['pre_close'])/data['pre_close']<=0.095]
    data = data.loc[(data['close']-data['pre_close'])/data['pre_close']>0]
    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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)