问财量化选股策略逻辑
选股逻辑为：振幅大于1、换手率大于2%小于9%、价格小于等于12元。该选股策略主要考虑了股票的波动性、市场交易情况以及基本面等因素。
选股逻辑分析
该选股策略主要考虑了价格、波动性、市场交易情况等因素，价格筛选条件可以更好地把握低价股的市场机会；而振幅和换手率这两个指标则可以筛选出比较活跃的低价股，比如一些小盘股等。
有何风险？
该选股策略存在以下不足与风险：首先，股票的价格并不是唯一的衡量标准，需要同时考虑股票的基本面和市场情况；其次，低价股投资风险较高，需要注意风险把控。
如何优化？
该选股策略可以加入更多的技术指标，如MACD、K线等，综合考虑大量数据，准确评估股票的投资价值和趋势性；可以引入更多的基本面指标，如PEG和市盈率等，全面考虑股票的估值情况；同时需要注意风险控制，减少不必要的风险。
最终的选股逻辑
选股条件为：振幅大于1、换手率大于2%小于9%、价格小于等于12元。该选股策略考虑了股票的波动性、市场交易情况以及基本面等因素，可以筛选出比较活跃且基本面较好的低价股。
同花顺指标公式代码参考
选股条件为：振幅大于1、换手率大于2%小于9%、价格小于等于12元。
C1: ABS((HIGH/LOW-1)*100)>=1;//振幅大于1
C2: TURNOVER>2 AND TURNOVER<=9;//换手率大于2%小于9%
C3: CLOSE <= 12;//价格小于等于12元
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
import datetime
def select_stocks(length):
ts.set_token('your token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.stock_basic(list_status='L', exchange='SSE', fields='ts_code,symbol,name,industry,list_date')
df_list = []
# 筛选符合条件的股票
for index, row in stock_data.iterrows():
code = row['ts_code']
info = {}
info['code'] = code
info['name'] = row['name']
# 获取技术数据
tech_data = pro.daily_basic(ts_code=code, trade_date=datetime.date.today().strftime('%Y%m%d'), fields='ts_code,turnover_rate')
if tech_data.empty or tech_data.iloc[-1]['turnover_rate'] <= 0.02 or tech_data.iloc[-1]['turnover_rate'] >= 0.09:
continue
# 获取股票价格
price_data = pro.daily(ts_code=code, start_date=datetime.date.today()-datetime.timedelta(days=5), end_date=datetime.date.today(), fields='ts_code,close')
if price_data.empty or price_data.iloc[-1]['close'] > 12:
continue
# 添加股票
df_list.append(info)
# 根据个股热度排序
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.head(length)
return selected_stocks
致辞
本次问答为选股逻辑：振幅大于1、换手率大于2%小于9%、价格小于等于12元的问答。该选股策略主要考虑了股票的波动性、市场交易情况以及基本面等因素，可以筛选出比较活跃且基本面较好的低价股。
## 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。
