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，流通市值大于100亿元。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
该选股策略基于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；
- 流通市值大于100亿元，说明该股票市场流通性较强，有较大的交易活跃度。
有何风险？
以下是该选股策略可能产生的风险：
- 忽略公司基本面和市场趋势，可能导致无法获得较高的投资回报率；
- 选股条件不够细化，可能包含较多风险较大的股票，如ST股等；
- 流通市值大的股票也可能存在高度集中度，集中度过高可能导致流动性较差。
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：
- 加入公司基本面和市场趋势等因素进行综合考量，以获取更全面的信息；
- 选股条件更加细化，例如可以筛掉总市值较小或流通市值过小的股票，或加入PE、PB等估值指标；
- 关注股票流通性，避免存在高度集中度的股票。
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，流通市值大于100亿元的股票；
- 加入公司基本面和市场趋势等因素进行综合考量，以获取更全面的信息；
- 筛选掉总市值较小或流通市值过小的股票；
- 关注股票流通性，避免存在高度集中度的股票。
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，流通市值大于100亿元的股票 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) > MA(CLOSE,120)
AND "股票名称" = "xxxx" AND "市场类型" IN ('沪A', '深A')
AND "流通市值" >= 10000000000
LIMIT 10
注：以上代码需要在同花顺的选股界面中进行填充，其中MA、REF、VOLUME、OPEN、CLOSE、流通市值、股票名称、市场类型为同花顺自带的技术指标，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
from datetime import datetime, timedelta
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取股票基本信息 ####
rs_basic_info = bs.query_stock_basic()
#### 获取行情数据 ####
selected_code = []
for code in rs_basic_info[(rs_basic_info['marketType']=='沪A') | (rs_basic_info['marketType']=='深A')]['code'].tolist():
rs_data = bs.query_history_k_data_plus(code, "code,open,high,low,close,volume,turn",
start_date=(datetime.now() - timedelta(days=120)).strftime('%Y-%m-%d'),
end_date=datetime.now().strftime('%Y-%m-%d'),
frequency="d", adjustflag="3")
data = rs_data.get_data()
if len(data) == 0:
continue
if data['close'].iloc[-1] > 100 and data['volume'].iloc[-1] > 0 and \
data['high'].max() - data['low'].min() > data['close'].iloc[-1] * 0.01 and \
data['close'].iloc[-1] > data['close'].rolling(20).mean().iloc[-1] and \
data['close'].iloc[-1] > data['close'].rolling(120).mean().iloc[-1]:
total_mv = float(rs_basic_info[rs_basic_info['code']==code]['total_mv'])
if total_mv > 10000000000:
selected_code.append(code)
#### 登出系统 ####
bs.logout()
return selected_code
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。
