问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、流通盘小于等于55亿股。该选股策略结合了技术面和基本面，选取振幅大且有涨停的股票，并限定了流通盘范围，利于获取较强的投资机会。
选股逻辑分析
该选股逻辑要求股票有近期涨停表现，流通盘不宜过大，且具备一定的价格波动性，因此具备较好的短期投资潜力。
有何风险？
该选股逻辑可能存在以下风险：
-
过于依赖于基本面指标，且指标选择比较简单，难以全面掌握市场动向。
-
流通盘过小、股价波动性过大，可能涉及部分高风险股票，需要谨慎投资。
如何优化？
以下是对该选股逻辑的优化建议：
-
考虑进一步增加选股指标的数量和维度，以充分把握市场动态。
-
在流通盘范围和股价波动性处进行综合考虑，兼顾风险和投资潜力。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、流通盘小于等于55亿股、市盈率小于30、市净率小于3。此选股策略在原有选股条件基础上，增加限制市盈率和市净率指标。
同花顺指标公式代码参考
- 振幅：(当日最高价 - 当日最低价) / REF(收盘价, 1)
- 流通盘：CIRC_MCAP / CLOSE
- 市盈率：TTM_PE
- 市净率：PB
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 = "2020-01-01"
end_date = "2022-01-01"
# 获取深证主板所有股票
symbols_all = get_symbols(exchanges=["SZSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
circ_mcap_cond = {"$lte": 55000000000}
pe_cond = {"$lte": 30}
pb_cond = {"$lte": 3}
# 构建排序条件
sort_cond = []
# 构建选股查询条件
cond = {"$and": [amplitude_cond, limit_up_cond, circ_mcap_cond, pe_cond, pb_cond]}
# 获取符合条件的股票历史信息
data = query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=["symbol", "limit_status", "(highest_price - lowest_price) / REF(close_price, 1)", "circ_mkt_cap", "TTM_PE", "PB"],
filter=cond,
data_type=2,
sort=sort_cond
)
# 选取前100名
data = data[:100]
# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
通过 Query API 查询股票历史信息，并根据选股条件筛选出符合条件的股票代码。代码可以在量化平台和本地 Python 环境中执行。
## 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。
