问财量化选股策略逻辑
选股逻辑：振幅大于1, 今日控盘＞21, 集中度70<20%.
选股逻辑分析
该选股逻辑除了强调公司规模以外，还增加了集中度指标的筛选，有助于较好地过滤那些受少数资金控制的公司，降低投资者的风险。同时，振幅指标和控盘指标可以帮助投资者把握市场短期动向，捕捉投资机会。
有何风险？
该选股逻辑可能存在以下风险：
- 集中度风险：如果仅采用70<20%这个固定的集中度数值作为筛选标准，可能会对某些行业产生误判。比如特定的行业可能存在少数几家公司总统资金的情况，但行对这些公司的投资却是有利的，如果采用了集中度筛选，则有可能错过这些公司；
- 振幅风险：振幅可以反映出市场的波动水平，但是也会受到其他因素干扰，如公司重大事件等，而出现波动。因此，仅依靠振幅数值来选股的策略也可能出现较大风险。
如何优化？
为了提高精度和应对可能的风险，可以采取以下优化措施：
- 细化集中度筛选：根据不同行业的特点，综合考量企业金字塔结构等指标，来自适配一个更加合理的集中度数值；
- 引入更多指标：例外振幅和市场控盘等指标，还可以考虑包括股息率和ROE等价值投资的指标；
- 定期监控和调整策略：定期对选股策略进行调整，时时关注行业和市场的趋势，及时调整策略来应对变化和风险。
最终的选股逻辑
进一步优化后，我们最终选择以下选股逻辑：
- 振幅大于1；
- 今日控盘大于21；
- 集中度70<20%；
- 股息率排名前50%；
- ROE排名前50%。
同花顺指标公式代码参考
C1 = AMP() > 1;
C2 = CONTROLLING_SHARES_CHANGE() > 0.21;
C3 = (1 - MAX_VALUE(FIND_RANK(CLOSE() / ALL_SHARES("A", 0) * 100) / LEN(ALL_SHARES("A", 0)) , 0.7)) > 0.2;
C4 = DIVIDEND_YIELD_RANK() <= LEN(ALL_SHARES("A", 0)) * 0.5;
C5 = ROE_RANK() <= LEN(ALL_SHARES("A", 0)) * 0.5;
SELECTOR = C1 AND C2 AND C3 AND C4 AND C5;
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
fundamental = get_fundamental_data(stock, end_date=datetime.now(), frequency='1d')
c3 = (1 - fundamental['top10_shareholders_pct'][0]) > 0.2
c4 = fundamental['dividend_yield_rank'][0] <= len(get_all_stocks()) * 0.5
c5 = fundamental['roe_rank'][0] <= len(get_all_stocks()) * 0.5
if c1 and c2 and c3 and c4 and c5:
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。
