问财量化选股策略逻辑
选股逻辑为振幅大于1，20日均线大于120日均线，集中度70<20%。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略基于以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 20日均线大于120日均线，说明该股票处于上涨趋势；
- 集中度70<20%，说明该股票未被机构集中持有，有更大涨幅空间。
有何风险？
以下是该选股策略可能产生的风险：
- 忽视基本面等因素，仅仅考虑技术面；
- 过于注重短期波动性而忽视长期趋势；
- 集中度因为市场波动各异，可能会存在误判。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 加入基本面因素的分析，如行业、资产负债率、营收增长率等；
- 把集中度和持仓成本等指标融合考虑，以及长期趋势的影响；
- 可以考虑加入动态循环策略，选择市场波动小的时段进行操作。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，20日均线大于120日均线，集中度70<20%的股票；
- 加入基本面因素的分析，并综合考虑长期趋势的影响；
- 考虑集中度和持仓成本等多个指标的影响；
- 加入动态循环策略，选择市场波动小的时段进行操作。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，20日均线大于120日均线，集中度70<20%的股票 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) > MA(CLOSE,120) AND
"SH" INSTR "stock_exchange" AND "集中度_" <= 20 AND
"持股数量" <= "流通股本"
ORDER BY stock_heat DESC
LIMIT 10
注：以上代码需要在同花顺的选股界面中进行填充，其中MA、REF、stock_heat、stock_exchange、集中度_、持股数量、流通股本为同花顺自带的技术指标，CLOSE为同花顺自带的收盘价指标，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取行情数据和股票基本信息 ####
rs_data = bs.query_history_k_data_plus("sh.000001", "code,open,high,low,close",
start_date= (datetime.now() - timedelta(days=21)).strftime('%Y-%m-%d'),
end_date= datetime.now().strftime('%Y-%m-%d'),
frequency="d", adjustflag="3")
rs_basic_info = bs.query_stock_basic()
#### 筛选出符合条件的股票 ####
data = rs_data.get_data()
data = data[data['code'].isin(rs_basic_info[rs_basic_info['stock_exchange'] == 'SH']['code'].tolist())] # 市场板块选择上海证券交易所
data = data[data['close'] > data['close'].rolling(20).mean()] # 20日均线大于收盘价
data = data[data['close'] > data['close'].rolling(120).mean()] # 120日均线大于收盘价
data = data[data['turn'].rolling(21).sum() > 0] # 均值为1，筛选规模2亿以上
data = data[data['high'] - data['low'] > data['close']*0.01] # 振幅大于1%
data = data[data['concentration'] < 20] # 集中度小于20%
data = data[data['position_cost'] > data['close']] # 持仓成本小于收盘价
data.reset_index(drop=True, inplace=True)
selected_stock = list(data['code'].unique())
#### 登出系统 ####
bs.logout()
return selected_stock
注：以上python代码需要安装baostock、pandas等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
