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，今日最大跌幅＜-4且＞-5。该选股策略主要考虑选取当前突发事件对市场造成影响，股价出现大幅下跌，但具有一定成长性和市值优势的优质股票。
选股逻辑分析
该选股策略主要考虑选取当前突发事件对市场造成影响，股价出现大幅下跌，但具有一定成长性和市值优势的优质股票。振幅大于1可以反映出一定的交投活跃度，流通市值大于100亿元是公司规模的体现，根据今日最大跌幅来判断股票价格的变化趋势，从而选择在市场低点入市的优质股票。
有何风险？
该策略选股条件比较苛刻，只考虑了股价下跌幅度，没有综合考虑其他技术指标和基本面因素，容易盲目跟风炒作和选择不具备优质标的的股票。
如何优化？
可以结合其他基本面过滤条件，如市盈率、市净率等，以此来选择具备较好盈利能力和成长性的公司。同时，加入一定机器学习策略，以提高选股的准确性和机会获得率。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，今日最大跌幅＜-4且＞-5，且结合其他技术指标和基本面因素进行综合筛选。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100) >= 1; //振幅大于1
C2: CIRC_MV > 10000000000; //流通市值大于100亿元
C3: (-1*CHANGE/OPEN*100) < -4 AND (-1*CHANGE/OPEN*100) > -5; //今日最大跌幅＜-4且＞-5
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,market')
# 筛选符合条件的股票
data['sort'] = data['circ_mv'].rank(ascending=False) # 根据流通市值进行排序
data = data[data['sort'] <= 200] # 取前200名
select_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
market = data.iloc[i]['market']
if market != 'SH': # 非主板股票
continue
# 判断股票跌幅
daily_data = pro.daily_basic(ts_code=code, trade_date='20210903', fields='ts_code,trade_date,turnover_rate,pe,pb,ps')
if len(daily_data) == 0 or (-1*daily_data.iloc[0]['change']/daily_data.iloc[0]['open']*100) >= -4 or (-1*daily_data.iloc[0]['change']/daily_data.iloc[0]['open']*100) <= -5:
continue
select_list.append({'ts_code': code, 'name': data.iloc[i]['name']})
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(select_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_stocks
## 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。
