问财量化选股策略逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、今日控盘＞21。该选股策略主要考虑了股票波动性、市值和资金流入流出等因素，是一种综合性的选股策略。
选股逻辑分析
该选股逻辑综合考虑了股票的波动性、市值和资金流入流出等因素。振幅大于1可以反映个股的波动性，市值大于100亿元可以反应个股的规模，而今日的控盘程度则可以反映资金的流入流出情况。通过综合考虑这几个因素，筛选出符合条件的标的。
有何风险？
该选股策略虽然考虑了多个因素，但仍有可能由于其他因素的影响而造成选股的失误。例如，个股的控盘情况可能会受到多个因素（如市场整体走势、个股消息等）的影响，因此仅仅依靠控盘程度一个指标可能不够鲁棒。同时，该选股逻辑没有考虑基本面因素，因此需要综合考虑多个因素进行决策。
如何优化？
在该选股逻辑的基础上，可以进一步引入其他技术分析指标（如MACD、KDJ等）和基本面因素（如财务数据、行业分析）进行综合评估，提高筛选精度和策略的稳定性。同时，可以考虑使用机器学习等手段，构建符合自己需求的复杂模型，进一步优化选股策略。
最终的选股逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、今日控盘＞21。该选股策略综合考虑了股票波动性、市值和资金流入流出等因素，旨在选出规模较大、波动性较高并有资金流入的个股。
同花顺指标公式代码参考
CIRC_MARKET_CAP >= 100 AND REF(HIGH/LOW, 1) > 1 AND CONTROLLING_SHARES > 21
其中，CIRC_MARKET_CAP表示流通市值大小，REF(HIGH/LOW, 1) > 1 表示昨日的振幅大于1，CONTROLLING_SHARES表示今日控盘程度，通过大于21筛选出符合条件的股票。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,circ_mv').ts_code:
stock_data = pro.query('stock_basic', ts_code=ts_code)
if stock_data.iloc[0]['circulating_market_cap'] < 100 or stock_data.iloc[0]['area'] == '北京':
continue
# 判断控盘程度是否满足条件
daily_data = pro.daily_basic(ts_code=ts_code, start_date='20210201', end_date='')
if daily_data['controlling_share'].iloc[-1] <= 21:
continue
# 判断振幅是否满足条件
daily_data = pro.daily(ts_code=ts_code, start_date='20210201', end_date='', fields='trade_date, open, high, low, close')
if max(daily_data['high'] / daily_data['low']) <= 1:
continue
selected_stocks.append(ts_code)
return selected_stocks
其中，在Python代码中，通过使用tushare库获取股票数据，进而筛选符合条件的股票。通过获取的每日个股交易数据计算个股的控盘程度，并筛选出今日控盘程度大于21的标的。
## 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。
