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、开盘价在十日线左右的个股。该选股策略旨在从市值大、波动性较高、价格在较低位且处于均线支撑位置的个股中筛选出具有较高投资价值的企业。
选股逻辑分析
该选股逻辑主要考虑市值规模、个股波动性、技术面以及短期的价格支撑。相比于单一的市值或价格低位选股逻辑，该选股逻辑更全面、细致地考虑了个股的基本面以及技术面因素，从而降低了选股风险。
有何风险？
该选股策略存在以下风险：一是十日线的位置可能会有一定主观性，有可能由于不同的技术面分析师选择的均线不同而导致选股结果有所不同；二是短期价格支撑有可能被快速突破，从而导致选股结果不够稳定。因此，在实际应用中，应该采用更为全面、准确的技术指标和财务数据等多维度进行选股。
如何优化？
为优化该选股逻辑，可以引入更为全面、准确的技术指标来反映个股的质量和价值，如MACD指标、RSI指标等。此外，可以对选股结果进行机器学习等量化分析，以提高选股效果。
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、开盘价在十日线左右的个股。该选股策略综合考虑了市值规模、个股波动性、技术面以及短期的价格支撑，以期从中挑选出具有较高投资价值的企业。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND Ref(HIGH/LOW, 1)>1 AND ABS(OP/MA(C, 10)-1) < 0.02
其中，CIRC_MARKET_CAP表示流通市值，Ref(HIGH/LOW, 1)表示昨日的振幅，OP/MA(C, 10)表示开盘价在10日均线附近，0.02代表股价在10日均线的上下0.2倍标准差之间，未来可以采用更为准确的筛选因素进行替代。
Python代码参考
import tushare as ts
import numpy as np
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
# 判断振幅是否符合条件
daily_data = pro.daily(ts_code=ts_code, start_date='', end_date='', fields='trade_date, open, high, low, close, volume, pct_chg')
if len(daily_data) == 0:
continue
amplitude = max(daily_data['close'] / daily_data['pre_close'] - 1, daily_data['pre_close'] / daily_data['close'] - 1)
if amplitude <= 1:
continue
# 判断是否处于10日均线附近
ma_10 = pro.query('ma', ts_code=ts_code, start_date='', end_date='').iloc[-1]['ma10']
if np.abs(daily_data.iloc[0]['open'] / ma_10 - 1) > 0.02:
continue
selected_stocks.append(ts_code)
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。
