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，流通市值在50亿至100亿之间的股票。该选股策略注重了个股的市场表现和公司规模。
选股逻辑分析
该选股策略注重了市场表现和公司规模，选取了振幅大于1，流通市值在50亿至100亿之间的股票。振幅大于1是为了选择交投活跃度较高的个股，流通市值大于100亿元以及在50亿至100亿之间既注重了公司规模，也避免了选择规模过小或过大的个股。
有何风险？
该选股策略仍然存在忽略公司基本面和行业因素等长期影响因素的风险。此外，该选股策略注重流通市值指标，忽略了总市值的影响。
如何优化？
可以在现有选股逻辑的基础上引入更多的指标，如相对强弱指数（RSI）、相对涨幅指数（RCI）等指标，对股票的市场表现进行更全面的综合评估。此外，可以加入公司基本面和行业因素等长期因素进行筛选股票，提高选股的综合水平。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于50亿且小于100亿的股票。该选股策略注重了市场表现和公司规模，同时也避免了规模过小或过大的个股。
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 > 5000000000 AND CIRC_MV < 10000000000; //流通市值在50亿至100亿之间
C3: MARKET='SH'; //主板股票
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
df_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
quote = pro.futu_quote(code).iloc[0] # 获取实时行情
if abs((quote['high'] / quote['low'] - 1) * 100) < 1: # 振幅小于1
continue
circ_mv = pro.daily_basic(ts_code=code, trade_date=quote['date'], fields='circ_mv').iloc[0]['circ_mv'] # 流通市值
if circ_mv < 5000000000 or circ_mv > 10000000000: # 流通市值不在50亿至100亿之间
continue
info = {}
info['ts_code'] = code
info['name'] = data.iloc[i]['name']
df_list.append(info)
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(df_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。
