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、今日最低价小于昨日最低价。该选股策略主要考虑了个股波动性、市值和技术因素，通过综合考虑这几个因素，筛选出符合条件的标的股。
选股逻辑分析
该选股逻辑主要考虑了振幅、市值和技术因素。振幅大于1可以反映个股的波动性，流通市值大于100亿元可以反应个股的规模，今日最低价小于昨日最低价则是一个技术判断因素，反映出个股当前的下跌趋势是否放缓。通过综合考虑这几个因素，筛选出符合条件的标的股。
有何风险？
该选股策略忽略了公司基本面因素，可能会捕捉到企业的短期投机机会，而忽略了其估值、产品优劣等长期因素，具有一定的风险。另外，技术指标容易被市场情绪影响，出现误判的情况。
如何优化？
在该选股逻辑的基础上，可以引入多因子模型综合考虑PE、PB、ROE等因素，提升选股的稳定性和长期效益。可以结合其他技术指标，例如MACD、KDJ等指标，综合判断股票的买卖时机，对短期投机性较强的个股进行更准确地把握。此外，需要对企业基本面进行充分的考虑，例如财务数据、产品供需等情况进行分析，进行长期精准投资。
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、今日最低价小于昨日最低价。该选股策略主要考虑了个股波动性、市值和技术因素，是一种快速捕捉短期投机机会的选股策略。
同花顺指标公式代码参考
CIRC_MARKET_CAP >= 100 AND REF(LOW, 0) < REF(LOW, 1) AND REF(HIGH/LOW, 1) > 1
其中，CIRC_MARKET_CAP表示流通市值大小，REF(LOW, 0) < REF(LOW, 1)表示今日最低价小于昨日最低价，REF(HIGH/LOW, 1) > 1表示昨日的振幅大于1，通过以上指标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:
continue
# 判断今日最低价是否小于昨日最低价
daily_data = pro.daily(ts_code=ts_code, start_date='20210201', end_date='', fields='ts_code, trade_date, low')
if daily_data['low'].iloc[-1] < daily_data['low'].iloc[-2]:
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。通过获取的个股财务数据判断其ROE情况，通过振幅指标判断个股波动性情况，通过今日最低价是否小于昨日最低价判断个股当前的下跌趋势是否放缓，筛选出满足条件的标的股票。
## 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。
