问财量化选股策略逻辑
选股逻辑为：振幅大于1、未清偿可转债简称不可为空、企业性质筛选（例如选择行业、选择国企等）。该选股策略结合了股票交易波动性、公司基本面和企业性质，找到具备投资价值的低估股票。
选股逻辑分析
振幅大于1、未清偿可转债简称不可为空的逻辑与之前相同，企业性质筛选可以根据自身投资需求进行灵活设置，例如选择行业、选择国企等。该逻辑可以优化选取股票风险和优势较大，同时结合交易波动性和公司基本面可以找到更具投资潜力的好股票。
有何风险？
该选股策略过于依赖企业性质筛选，忽略了一些其他重要的指标，例如业绩和成长性等。同时，企业性质筛选可能存在信息不对称、信息不全等风险，可能出现误判。
如何优化？
建议在企业性质筛选的基础上，加入其他因素的考虑，如行业趋势、公司竞争优势等。可以引入动态的指标如ROE增长率、净利润增长率等来衡量公司的成长性和投资价值。可以引入一些成长因子或者技术分析的指标进行择时，减少选股的误判。
最终的选股逻辑
对于A股市场来说，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、企业性质筛选(例如选择行业、选择国企等)、按日均成交额从大到小排序名。
同花顺指标公式代码参考
(BOND_FULL_NAME != '' AND LEFT(RIGHT(CODE, 4), 1) != '3') AND (VOL/(CAPITAL*PRICE) > 0.01) AND (100<=TO_NUMBER(LEFT(CODE, 3))<=299) ORDER BY VOL DESC
以上为计算选股逻辑的通达信指标公式，按股票的日均成交额从大到小排序名。其中，代码中的企业性质为选择国内股票代码的前三位为100至299之间的股票，可以根据实际投资需求进行修改。
Python代码参考
import tushare as ts
import pandas as pd
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
all_stocks = [ts_code for ts_code, name in pro.stock_basic(exchange='', list_status='L', fields='ts_code,name').values.tolist() if name[0]!='S' and '创业板' not in name and '科创板' not in name and '退' not in name]
for ts_code in all_stocks:
finance_data = pro.query('fina_indicator', ts_code=ts_code, fields='pb,pe_ttm')
if finance_data.empty or finance_data.iloc[0]['pb']>3 or finance_data.iloc[0]['pe_ttm']<0 or finance_data.iloc[0]['pe_ttm']>15:
continue
daily_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=501)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))
if daily_data.empty:
continue
if daily_data.iloc[0]['high_limit'] == daily_data.iloc[0]['low_limit']:
continue
if (daily_data.iloc[-1]['high'] - daily_data.iloc[-1]['low'])/daily_data.iloc[-1]['low'] <= 0.01:
continue
if daily_data.iloc[-1]['close'] > 12:
continue
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name')
if all_data.empty:
continue
if int(ts_code[:3])<100 or int(ts_code[:3])>299:
continue
selected_stocks.append((all_data.iloc[0]['pro_name'], ts_code))
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: pro.daily(ts_code=x[1], start_date=(pd.Timestamp.now() - pd.Timedelta(days=30)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d')).iloc[-30:]['amount'].mean(), reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、企业性质筛选(例如选择行业、选择国企等)、按日均成交额从大到小排序名，加入PB和PE的筛选因素进行选股。可在代码中自定义选股指标的筛选条件，根据实际投资需求进行选股。
## 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。
