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，流通市值在50-100亿之间。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
该选股策略主要通过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；
- 流通市值在50-100亿之间，考虑到流通市值较大的股票更稳健，同时排除市值太小或太大的个股。
有何风险？
以下是该选股策略可能产生的风险：
- 仅考虑了技术面和市值等因素，没有考虑公司的基本面等因素，可能造成投资风险；
- 选股策略设置的条件过于简单，在市场波动较大、异常情况下表现不稳定，可能造成回撤较大；
- 只是以流通市值在50-100亿之间作为选股策略的市值限制，可能存在忽略行业因素及风险控制问题。
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：
- 加入其他技术指标和基本面因素等因素进行综合分析；
- 增加止损机制和风险控制策略，防止投资组合遭遇异常情况；
- 考虑行业版块的趋势及风险因素，增强选股的风险控制效果。
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；
- 加入其他技术指标和基本面因素，结合行业因素进行综合分析；
- 增加止损机制和风险控制策略，防止投资组合遭遇异常情况。
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,流通市值50-100亿 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) >= MA(CLOSE,120) AND (LIUTONGGUPIAOZHISHU>=50 AND LIUTONGGUPIAOZHISHU<=100)
ORDER BY
/* 写入具体排序字段 */
XX DESC
注：以上代码需要在同花顺的选股界面中进行填充，其中XX为股票代码，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
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取K线数据和市值数据 ####
rs_k_data = bs.query_history_k_data_plus(code="sh.600000", fields="date,code,open,high,low,close,volume", start_date='2021-08-01', end_date='2021-09-30', frequency="d", adjustflag="2")
rs_mv_data = bs.query_stock_basic(code_name="沪深A股", fields="code,liutongguben,liutonggupiao")
#### 计算振幅和均线 ####
k_data = rs_k_data.get_data()
mv_data = rs_mv_data.get_data()
volume_data = pd.DataFrame({'date': pd.to_datetime(mv_data['code']),
'LIUTONGGUBEN': mv_data['liutongguben'],
'LIUTONGGUPIAO': mv_data['liutonggupiao']})
stock_data = pd.merge(k_data, volume_data, on='date', how='inner')
stock_data['AMPLITUDE'] = (stock_data['high']-stock_data['low']) / stock_data['close'].shift(1) * 100
stock_data['MA20'] = ta.MA(stock_data['close'], timeperiod=20)
stock_data['MA120'] = ta.MA(stock_data['close'], timeperiod=120)
#### 提取流通市值在50-100亿之间的股票代码 ####
mv_range = (stock_data['LIUTONGGUBEN'] / stock_data['LIUTONGGUPIAO'] * stock_data['close']).quantile([0.2, 0.8])
selected_mv_data = mv_data[(mv_data['liutongguben'] / mv_data['liutonggupiao'] * stock_data['close'] >= mv_range.iloc[0]) &
(mv_data['liutongguben'] / mv_data['liutonggupiao'] * stock_data['close'] <= mv_range.iloc[1])]
#### 计算连续下跌天数 ####
stock_data = pd.merge(stock_data, selected_mv_data, on='code', how='inner')
stock_data['COUNT'] = stock_data['close'] < stock_data['close'].shift(1)
stock_data['COUNT'] = stock_data['COUNT'].rolling(window=7, min_periods=7).sum()
#### 选出符合条件的股票 ####
selected_stock = stock_data[(stock_data['AMPLITUDE'] > 1) &
(stock_data['MA20'] > stock_data['MA120']) &
(stock_data['COUNT'] == 7)]['code']
#### 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。
