问财量化选股策略逻辑
选股逻辑：振幅大于1,今日控盘＞21,收益＞0。
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、以及个股短期走势等因素。振幅大于1和今日控盘＞21为筛选波动大、市场影响力较大的个股，而收益＞0则为筛选出近期整体走势表现好的个股。该逻辑相对简单易用，易于实现，但是存在一些潜在的风险。
有何风险？
该选股逻辑可能存在以下风险：
- 选股逻辑过于简单，缺少其他基本面指标的参考，例如市盈率、市净率等指标；
- 只考虑了近期股价的涨跌情况，缺乏对股票长期价值的综合考虑，可能存在过度短视的问题；
- 收益选取单一指标可能存在一定的局限性，例如可能会被短期市场情绪等因素影响。
如何优化？
针对上述风险问题，我们可以采取以下措施来提高该选股策略的精度和可操作性：
- 引入其他基本面指标，例如市盈率、市净率、市销率、营业毛利率等指标，加强对公司价值的判断；
- 考虑将信号指标改为综合指标，例如可以结合股价历史波动情况、市场影响力、基本面情况等数据综合计算而来；
- 采用机器学习方法对历史数据进行训练，进而生成更为精确的风险模型。
最终的选股逻辑
综合以上改进措施，我们最终选择以下的选股逻辑：
- 振幅大于1；
- 今日控盘＞21；
- 近3个月股票收益率大于等于大盘平均收益率的个股；
- 加入市盈率、市净率、市销率、营业毛利率等指标作为参考。
同花顺指标公式代码参考
C1 = IF(AMO() / 10000 >= 20, (AMO() / 10000 - 20) / 20 * 50 + 50, AMO() / 10000 >= 5, (AMO() / 10000 -5) / 15 * 50, 0);
C2 = CONTROLLING_SHARES_CHANGE() > 0.21;
C3 = SUM((CLOSE() - REF(CLOSE(), 1)) / REF(CLOSE(), 1), 60) > INDEX_RETURN('000001.XSHG', 60);
C4 = PE() > 0 AND PE() < 50 AND PB() > 0 AND PB() < 10 AND PS() > 0 AND PS() < 5 AND GROSS_PROFIT_MARGIN() > 20;
SELECTOR = C1 + C2 + C3 + C4;
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()))
python代码参考
from datetime import datetime, timedelta
import numpy as np
def select_stocks():
selected_stocks = []
benchmark_return = get_price('000001.XSHG', start_date=datetime.now()-timedelta(days=90), end_date=datetime.now(), fields='close', frequency='1d').pct_change().mean()
for stock in get_all_stocks():
c1 = 0
amplitude = get_price(stock, end_date=datetime.now(), frequency='1d', fields='amplitude')
if amplitude[-1] >= 0.05:
c1 = (amplitude[-1] - 0.05) / 0.05 * 50 + 50
elif amplitude[-1] >= 0.01:
c1 = (amplitude[-1] - 0.01) / 0.04 * 25
c2 = abs(get_controlling_shareholders(stock, end_date=datetime.now(), frequency='1d')['controlling_shareholders_day_pct_change'][-1]) > 0.21
returns = get_price(stock, start_date=datetime.now()-timedelta(days=90), end_date=datetime.now(), frequency='1d', fields='close').pct_change().dropna()
c3 = (returns.mean() >= benchmark_return)
c4 = get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio', 'ps_ratio', 'gross_profit_margin'])['pe_ratio'][-1] > 0 and get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio', 'ps_ratio', 'gross_profit_margin'])['pe_ratio'][-1] < 50 and get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio', 'ps_ratio', 'gross_profit_margin'])['pb_ratio'][-1] > 0 and get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio', 'ps_ratio', 'gross_profit_margin'])['pb_ratio'][-1] < 10 and get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio', 'ps_ratio', 'gross_profit_margin'])['ps_ratio'][-1] > 0 and get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio', 'ps_ratio', 'gross_profit_margin'])['ps_ratio'][-1] < 5 and get_fundamentals(stock, end_date=datetime.now(), fields=['pe_ratio', 'pb_ratio', 'ps_ratio', 'gross_profit_margin'])['gross_profit_margin'][-1] > 20
score = c1 + c2 + c3 +c4
if score >= 150:
selected_stocks.append(stock)
return selected_stocks
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。
