问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,换手率>2%且<9%。
选股逻辑分析
该选股逻辑主要考虑了价格波动、大股东持股比例以及市场交投活跃度等因素。振幅和控盘情况是为了筛选出波动较大、交投活跃的个股；而换手率则可以反映市场上的投资者交易热情。然而，这些指标也存在以下潜在风险。
有何风险？
该选股逻辑可能存在以下风险：
- 振幅指标可能会出现暂时性的波动，不能完全反映公司的业绩和前景；
- 仅以换手率为判断标准，可能导致选出太多的短线交易股票，而忽略了长线价值股票；
- 选股策略可能过于简单，需要进一步考虑公司的行业和基本面。
如何优化？
基于风险的潜在影响，我们可以采取以下优化措施来提高选股的精度和可操作性：
- 增加基本面选股因素：加入市盈率、市净率等指标进行筛选；
- 适当放宽或缩小筛选标准：根据市场的变化，适当调整每个指标的筛选范围，防止选股结果过于偏颇；
- 引入机器学习的算法：利用机器学习的算法，进一步把握个股的财务状况、业绩走势等信息。
最终的选股逻辑
经过优化后，我们最终选择以下的选股逻辑：
- 振幅大于1；
- 今日控盘大于21%；
- 换手率大于2%且小于9%；
- 加入市盈率、市净率等基本面指标作为参考因素。
同花顺指标公式代码参考
C1 = AMP() > 1;
C2 = CONTROLLING_SHARES_CHANGE() > 0.21;
C3 = TURNOVERRATE() > 2 AND TURNOVERRATE() < 9;
C4 = PE() > 0 AND PB() > 0 AND PE() < 50 AND PB() < 20;
SELECTOR = C1 AND C2 AND C3 AND C4;
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 = 0.02 < get_turnover_rate(stock, end_date=datetime.now())[-1] < 0.09
c4 = 0 < get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio'])['pe_ratio'][-1] < 50 and 0 < get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio'])['pb_ratio'][-1] < 20
if c1 and c2 and c3 and c4:
selected_stocks.append(stock)
selected_stocks = sorted(selected_stocks, key=lambda x:get_company_fundamental_factors(x)['market_cap'],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。
