问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,按个股热度从大到小排序名。
选股逻辑分析
该选股逻辑在基本的天量和控盘因素上，进一步考虑了股票在市场中的热度，对于小盘股的选股有更强的针对性。通过该选股逻辑，可以更加精准地提取市场中最具有投资价值的个股，为投资者提供更多的投资机会。
有何风险？
该选股逻辑可能存在以下风险：
- 热度数据可能不准确：是基于搜索指数等多方面的数据综合计算得出的，可能存在延迟和不准确的情况，对于热度虚高或者虚低的股票，容易产生误判；
- 选股结果不稳定：对于市场信息同步、流动性较小的小盘股，随着市场变化，选股结果容易波动，投资风险较高。
如何优化？
为了解决风险和提高精度，我们可以采取以下优化措施：
- 数据源更加准确的热度数据: 推荐使用第三方专业的数据源，避免对搜索指数等数据的误解和误判；
- 加入其他选股因素：减少对热度指标的依赖，引入其他的选股因素，如均线、资金流向等多重维度，以提高选股准确性；
- 设定选股波动率上限：通过控制选股结果的范围，可以降低选股波动率，减小选股结果的不稳定程度。
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；
- 按个股热度从大到小排序。
同花顺指标公式代码参考
C1 = AMP() > 1;
C2 = CONTROLLING_SHARES_CHANGE() > 0.21;
ASCEND(SEARCH_RANK()) <= 10
SELECTOR = C1 AND C2;
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()))
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_stock_heat_index(stock) <= 10
if c1 and c2 and c3:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x: get_stock_heat_index(x), 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。
