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、流通市值50-100亿。该选股策略主要考虑市场流动性和公司规模，适用于对中等规模股票的中长期投资者。
选股逻辑分析
该选股逻辑在振幅和大单净量的基础上，增加了流通市值这一基本面指标，更综合全面地考虑了公司规模。然而，该选股逻辑优势在于适合中等规模股票。对于市值过小或过大的股票，在流动性或盈利能力方面存在较大的风险，可能会影响股票价格的稳定性。
有何风险？
该选股逻辑过于依赖市场流动性和基本面指标，在价格波动或市场风险较大时，选股结果可能不够稳定，会出现较大的风险。另外，流通市值的数据具有相对不准确或滞后的特点，需要慎重选择和使用。
如何优化？
应该加入其他技术指标和市场情绪指标，以综合考虑股票的市场表现。同时，应该对流通市值进行进一步的计算和筛选，如考虑市值的增长率、与行业平均值的比较等，从而更全面地评估公司规模和成长潜力。
最终的选股逻辑
选股条件为：振幅大于1、大单净量排行、流通市值50-100亿，加入其他技术指标和市场情绪指标进行综合考虑，细化对市值的计算和筛选。
同花顺指标公式代码参考
SELECT1=(HIGH-LOW)/HIGH>0.01
SELECT2=GET_DRBQ(CODE, NAME, LAST, LASTVOL)>=0.8
SELECT3=CIRC_MARKET_VAL >=5000000000 AND CIRC_MARKET_VAL<=10000000000
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='20220301', end_date='20220308')
stock_list = []
# 进行选股
for idx, row in stock_data.iterrows():
# 按条件筛选：振幅大于1，大单净量排行，流通市值50-100亿
if not ((row['high'] - row['low']) / row['high'] > 0.01) or \
get_drbd(row['ts_code'], row['name'], row['close'], row['vol']) < 0.8 or \
(5000000000 <= row['circ_mv'] <= 10000000000):
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']
selected_data['pct_chg'] = row['pct_chg']
# 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(stock_list, key=lambda x: x['circ_market_cap'], reverse=True)
return selected_stocks_sorted
选股逻辑为：振幅大于1、大单净量排行、流通市值50-100亿。该选股策略更全面地考虑公司规模和市场流动性，应用于对中等规模的股票进行长期投资。需要优化流通市值的计算和筛选，加入其他指标和因素进行综合分析，从而更准确地评估股票的价值。
## 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。
