问财量化选股策略逻辑
选股逻辑为：振幅大于1、大单净量排行、2021年营收/2018年营收大于1.1。该选股策略主要是选取振幅较大、大单量比较集中、且近三年营收增长较快的股票，适用于对股票的长期投资者。
选股逻辑分析
该选股逻辑充分考虑了基本面因素，除了基本的技术指标外，加入了公司营收增长方面的判断，能够反映公司的成长性和潜力。
有何风险？
该选股逻辑可能忽略了一些其他的因素，如公司产品质量、行业竞争、政策因素等。此外，选择的指标对于不同的行业、公司类型可能存在一定的局限性。
如何优化？
可以考虑加入其他基本面指标比如净利润增长、市盈率、PEG等来更全面、更准确地判断公司的投资价值。此外，也可以根据行业特点、公司类型制定相应的选股策略以避免指标局限性。
最终的选股逻辑
选股条件为：振幅大于1、大单净量排行、2021年营收/2018年营收大于1.1，并结合其他基本面指标进行综合判断。
同花顺指标公式代码参考
# 近三年营收增长率大于10%
SELECT1 = TTM(C.REV) / TTM(C.REV, 3) > 1.1
# 大单净量排行
SELECT2 = GET_DRBQ(CODE, NAME, LAST, LASTVOL) >= 0.8
# 振幅大于1
SELECT3 = (HIGH - LOW) / HIGH > 0.01
SELECT = SELECT1 AND SELECT2 AND SELECT3
SORT_BY = '市值'
SORT_ASCEND = False
Python代码参考
import pandas as pd
import numpy as np
import tushare as ts
def get_selected_stocks():
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.daily(ts_code='000001.SZ', start_date='20220101', end_date='20220301')
stock_list = []
# 进行选股
for idx, row in stock_data.iterrows():
# 判断条件，近三年营收增长率大于10%，大单净量排行，振幅大于1
if not (TTM(row['ts_code'], 'rev')[0] / TTM(row['ts_code'], 'rev', 3)[0] > 1.1) or \
GET_DRBQ(row['ts_code'], row['name'], row['close'], row['vol']) < 0.8 or \
(row['high'] - row['low']) / row['high'] <= 0.01:
continue
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
selected_data['circ_market_cap'] = row['circ_mv']
# 可添加其他指标
stock_list.append(selected_data)
# 按市值从大到小排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['circ_market_cap'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、大单净量排行、2021年营收/2018年营收大于1.1。需要注意，由于比较近期的财务数据不太稳定，TTM(Trailing Twelve Months) 函数可能需要在不同的时期调整以获得更好的结果。
## 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。
