问财量化选股策略逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、归属母公司股东的净利润(同比增长率)大于20%小于等于100%，选择符合条件的股票作为选股对象。该选股策略主要关注股票的估值和基本面，旨在挖掘有成长性的股票，做长期投资。
选股逻辑分析
该选股逻辑既关注股票的短期波动性，又关注企业的基本面情况，旨在挖掘有成长性的股票。通过振幅限制来筛选市场抖动较大的股票，通过9点25分涨幅小于6%筛选出没有涨幅过大的个股，通过归属母公司股东的净利润(同比增长率)大于20%小于等于100%来筛选有成长性的企业。这种选股方法比单纯关注技术面或基本面更全面，更符合长期投资的逻辑。
有何风险？
该选股逻辑仍然存在一定的风险，一方面是该选股策略对基本面因素的关注不够全面，例如企业的负债情况、现金流情况等变量未考虑，会影响企业的长期价值。另一方面，该选股策略没有设置股票价值因素的限制，有可能选出过于高估的股票，带来投资风险。
如何优化？
可以引入更多的基于公司基本面、市场环境、技术面的指标作为选股依据，更全面地衡量股票的投资价值。进一步，可以使用机器学习等算法对选股策略进行优化，提高选股策略的稳定性和精准性，增加投资回报。
最终的选股逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、归属母公司股东的净利润(同比增长率)大于20%小于等于100%，以技术面和基本面指标为主选择有成长性的股票作为选股对象。该选股策略旨在寻找合理的股票估值和有成长性的企业，适合长期投资，但需要根据情况退出部分仓位和进行风险控制。
同花顺指标公式代码参考
FZ_RANGE > 1 AND LAST<=LAST[1]*0.06 AND (LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER/LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER.shift(12)-1)>=0.2 AND (LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER/LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER.shift(12)-1)<=1
其中FZ_RANGE表示振幅的大小，LAST表示当天的收盘价，LAST[1]表示前一天的收盘价，LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER表示归属母公司股东的净利润。通过以上指标查找符合条件的股票。
Python代码参考
import tushare as ts
from datetime import datetime, timedelta
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code').values.tolist():
# 振幅大于1
k_data = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=30)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,high,low')
highest_price = k_data['high'][0]
lowest_price = k_data['low'][0]
for idx, k in k_data.iterrows():
if idx > 5:
break
if k['high'] >= highest_price:
highest_price = k['high']
if k['low'] <= lowest_price:
lowest_price = k['low']
if highest_price / lowest_price <= 1:
continue
# 9点25分涨幅小于6%
tick_data = pro.tick(ts_code=ts_code[0], date=datetime.now().strftime('%Y%m%d'))
current_price = tick_data[tick_data['time'] == '09:25:00']['price'].values[0]
pre_close = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=6)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close', freq='1D').iloc[1]['close']
if current_price / pre_close >= 1.06:
continue
# 归属母公司股东的净利润(同比增长率)大于20%小于等于100%
income_statement = pro.income(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=480)).strftime('%Y%m%d'), end_date=datetime.now().strftime('%Y%m%d'), fields='ts_code,ann_date,report_type,total_profit,n_income,net_profit')
income_statement['report_date'] = pd.to_datetime(income_statement['ann_date'], format='%Y%m%d')
income_statement = income_statement[income_statement['report_type'] == '1']
income_statement.sort_values(by='report_date', inplace=True)
income_statement['LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER'] = income_statement['net_profit']/income_statement['net_profit'].shift(4) - 1
if income_statement['LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER'].iloc[-1] < 0.2 or income_statement['LYR_NET_PROFIT_PARENT_COMPANY_SHAREHOLDER'].iloc[-1] > 1:
continue
selected_stocks.append(ts_code[0])
return selected_stocks
在Python代码中，同样使用tushare库获取股票数据，进而筛选符合条件的股票。通过振幅、涨幅和归属母公司股东的净利润(同比增长率)等判断个股波动性情况和股票成长性，根据以上指标寻找有投资价值的股票。
## 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。
