(supermind)振幅大于1、2021年、2021年营收除2018年营收大于1

问财量化选股策略逻辑

选股逻辑为振幅大于1、2021年、2021年营收/2018年营收大于1.1的股票进入待投资池。

选股逻辑分析

1. 振幅大于1表明该股票波动性较高，有较大的涨幅和收益的可能；
2. 2021年作为选股时间段，可以分析市场趋势等信息；
3. 营收增长可以代表公司业绩的增长，且考虑过去三年的数据，筛选出潜力股。

有何风险？

1. 忽略了其他基本面因素，如股票估值等，可能出现投资风险；
2. 依赖营收数据进行筛选，可能会受到市场行情、竞争等因素的影响。

如何优化？

1. 引入其他基本面指标，如净利润、市盈率等，综合分析公司的价值；
2. 调整筛选条件，考虑行业、市场等因素，寻找更具潜力的股票。

最终的选股逻辑

选取振幅大于1、2021年、2021年营收/2018年营收大于1.1的股票进入待投资池。

同花顺指标公式代码参考

//振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
//2021年
COND2:=YEAR=2021;
//营收增长
COND3:=TOT_ALLO_QTR/REF(TOT_ALLO_QTR, 12)>1.1;
//综合条件
CONDITION:=COND1 AND COND2 AND COND3;
SIGNAL:=CHECKCOND(CONDITION, 1);

Python代码参考

import pandas as pd 
import akshare as ak

def get_finance_data(stock_code):
    finance_df = ak.stock_financial_abstract(stock=stock_code)
    finance_df['datetime'] = pd.to_datetime(finance_df['datetime'])
    return finance_df

def get_trade_data(stock_code):
    stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust='qfq')
    stock_df['date'] = pd.to_datetime(stock_df['date'])
    stock_df['highest'] = stock_df['high'].rolling(2).max()
    condition = (stock_df['volume'] > 0) & (stock_df['high'] != stock_df['low'])
    df = stock_df[condition].reset_index(drop=True)
    return df

def select(df, finance_df):
    # 振幅大于1
    df = df[(df['high'] - df['low']) / df['low'] > 0.01] 
    # 2021年
    df = df[df['date'].dt.year == 2021]
    # 营收增长
    finance_df = finance_df[finance_df['type'] == '一季报']
    finance_df = finance_df[finance_df['datetime'].dt.year.isin([2021, 2018])]
    finance_df = finance_df.groupby('type').sum().reset_index()
    growth_rate = finance_df.iloc[1]['tot_oper_rev'] / finance_df.iloc[0]['tot_oper_rev']
    df = df[growth_rate > 1.1]
    return df

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)