问财量化选股策略逻辑
选股逻辑为：振幅大于1，剔除昨日涨停，选取流通市值大于100亿元的股票。该选股策略旨在从振幅较大、交易活跃、市值较大的股票中，找出有较好上涨潜力的品种。
选股逻辑分析
该选股逻辑主要基于技术面指标和市值进行选股，综合考察了振幅指标、涨停指标、市值等因素。振幅指标能够从价格波动角度反映市场情绪，选取涨停之外的股票能够保证股票的交易活跃度，市值选择较大的股票可以找到具有较好上涨潜力的品种。
有何风险？
以下是该选股逻辑可能存在的风险：
-
只基于市值和技术面指标进行选股，忽略了其它与股票上涨潜力相关的因素，如基本面、行业趋势等，因此需要全面权衡来寻找合适的股票。
-
流通市值对于股票价格的影响较大，选股时需要谨慎考虑市值带来的影响。
-
振幅指标较大的股票，可能存在较大的波动性，从而导致交易风险。
如何优化？
以下是对该选股逻辑的优化建议：
-
剔除昨日涨停的限制可能会错过一些暴涨的股票，可以根据具体情况选择是否剔除涨停股票。
-
增加基本面分析的指标，如PE、市净率等指标进行筛选和排序，保证股票的内生价值。
-
开发量化指标，将选股基于市值和技术面指标的局限性转化为全面综合的选股策略。
最终权益选股逻辑
选股策略为：振幅大于1，剔除昨日涨停，选取流通市值大于100亿元的股票，并按市值从大到小排序。
同花顺指标公式代码参考
通达信指标公式：
(MINUS(DAYLOW,REF(DAYCLOSE,1)))/REF(DAYCLOSE,1) > 0.01 AND NOT(LIMIT) AND VALID_MARKET_CAP > 10000000000
python代码参考
from gm.api import *
set_token('your_token_here')
# 设置回测起点和终点
start_date = '2019-01-01'
end_date = '2022-01-01'
symbols_selected = []
for symbol in symbols:
df = history(symbol=symbol, frequency='1d', start_time=start_date, end_time=end_date, fields='open,close,high,low,volume,circulation_market_cap')
# 判断标的股票是否符合要求
if ((df['high'].iloc[-1] - df['low'].iloc[-1]) / df['close'].iloc[-1] > 0.01) and (df['limit'].iloc[-1] == False) and (df['circulation_market_cap'].iloc[-1] > 1e10):
symbols_selected.append(symbol.replace('XSHE', 'SZSE'))
# 按市值从大到小排序股票
symbols_selected.sort(key=lambda x: quote(valid_symbols=x, fields='c_market_cap'), reverse=True)
# 统计周线MACD指标值
for symbol in symbols_selected[:10]:
df = history(symbol=symbol, frequency='1d', start_time=start_date, end_time=end_date, fields='open,close,high,low,volume')
order_target_percent(symbol=symbol, percent=0.1, side=OrderSide_Buy, order_type=OrderType_Market, position_effect=PositionEffect_Open)
以上代码为选股逻辑为振幅大于1，剔除昨日涨停，选取流通市值大于100亿元的股票。增加按照市值从大到小排序的功能，可以更加准确地挖掘潜在的投资机会。
## 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。
