问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1
- 今日最低价小于昨日最低价
- 流通盘小于等于55亿股
选股逻辑分析
该选股策略采用多重条件筛选，综合考虑股票的波动情况、走势和流通情况等基本面因素。振幅大于1和今日最低价小于昨日最低价表明股票可能面临下跌后的反弹机会，而流通盘小于等于55亿股则表明该股票流通性较好，容易受到资金追捧。该选股逻辑更加注重股票的基本面分析。
有何风险？
该选股策略同样存在忽视其他基本面指标、过度追求短期波动和市场情绪等风险。同时，该策略同样缺少对其他基本面因素的关注，例如企业盈利能力、估值水平等指标。该策略所筛选的股票也可能会受到市场大盘走势和投资者情绪的影响，存在较大风险。
如何优化？
该选股策略需要对更多基本面指标进行筛选，并且应从不同角度综合考虑，例如企业盈利、财务情况、估值水平等因素。同时，可以通过增加筛选条件，以逐步提高筛选出的个股质量。例如，可以添加股息率、市盈率等指标进行筛选。
最终的选股逻辑
基于以上分析，完善后的选股逻辑为：
- 振幅大于1，市场对波动剧烈的股票更感兴趣；
- 今日最低价小于昨日最低价，表明股票下跌趋势已经明显；
- 流通盘小于等于55亿股，表示该股票流通性较好，容易吸引资金。
同时，应结合其他基本面不同角度加以评估。
同花顺指标公式代码参考
- 振幅大于1：amplitude > 1
- 今日最低价小于昨日最低价：low < ref(low, 1)
- 流通盘小于等于55亿股：outstanding_share <= 55e8
python代码参考
import pandas as pd
import tushare as ts
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
bars = ts.get_hist_data(code)
if bars is not None and len(bars) > 1:
is_amplitude_large = bars['high'][-1]/bars['low'][-1] > 1.01
is_today_lowest = bars['low'][-1] < bars['low'][-2]
is_outstanding_share_small = df.loc[code]['outstanding'] <= 55e8
if is_amplitude_large and is_today_lowest and is_outstanding_share_small:
# 其他基本面指标
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'][-1], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe'], 'gross_profit': df.loc[code]['gross_profit_ratio']}, ignore_index=True)
result = result.sort_values(by=['pb'])
## 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。
