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、昨天换手率＞8%。该选股策略主要考虑了公司的基本面和股票的走势情况，筛选出市值较大、基本面稳定且具有一定交易活跃度的股票。
选股逻辑分析
该选股策略主要以振幅和未清偿可转债简称等基本面指标为主要考量，加上昨日换手率指标。振幅大于1表明该股票较为波动，未清偿可转债简称不可为空表明公司具有可转债这样的投资工具，昨日换手率＞8%表明该股票交易活跃、市场认可度较高，本选股策略可以较好地综合考虑公司基本面和股票的走势情况。
有何风险？
该选股逻辑可能会忽略掉一些小市值和波动性较大的公司，同时选股策略中的昨日换手率不能代表后续涨跌情况，存在操作风险。
如何优化？
可以加入其他基本面指标，如市盈率、市净率、净利润增长率等，对选股策略进行更全面的综合评估，以减少风险，提高收益率。
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、昨天换手率＞8%。选股条件可以根据实际投资需要进行修改。
同花顺指标公式代码参考
SELECT1 = CAPITALIZATION / 1000000000 > 100
SELECT2 = BOND_FULL_NAME != '' AND LEFT(RIGHT(CODE, 4),1) != '3'
AND (ABS((HIGH - LOW) / HIGH) > 0.01)
SELECT3 = TURNOVER_RATE > 8
SELECT = SELECT1 & SELECT2 & SELECT3
以上为计算选股逻辑的通达信指标公式。其中，选股指标为振幅大于1、未清偿可转债简称不可为空、昨天换手率＞8%。可根据实际投资需求进行修改。
Python代码参考
import pandas as pd
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
# 获取A股市场所有的股票
all_stocks = [ts_code for ts_code, name in pro.stock_basic(fields='ts_code,name', exchange='', list_status='L').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]
# 计算选股指标并依此进行选股
for ts_code in all_stocks:
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name')
if all_data.empty:
continue
if not (all_data.iloc[0]['exchange']=='SZSE' and all_data.iloc[0]['list_status']=='L' and all_data.iloc[0]['area']=='华南' and all_data.iloc[0]['industry']!='金融行业'):
continue
capitalization_data = pro.daily_basic(ts_code=ts_code, trade_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='total_mv')
if capitalization_data.empty or capitalization_data.iloc[0]['total_mv'] / 1000000000 < 100:
continue
bond_data = pro.cb_basic(ts_code=ts_code, list_status='L', bond_type='put')
if bond_data.empty:
continue
turnover_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=2)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='ts_code,turnover_rate')
if turnover_data.empty or turnover_data.iloc[0]['turnover_rate'] <= 8:
continue
minute_data = pro.minutely(ts_code=ts_code, trade_date=pd.Timestamp.now().strftime('%Y%m%d'), start_dt=pd.Timestamp.now().replace(hour=9, minute=25, second=0, microsecond=0).strftime('%Y%m%d%H%M%S'), end_dt=pd.Timestamp.now().replace(hour=9, minute=26, second=0, microsecond=0).strftime('%Y%m%d%H%M%S'), fields='symbol,close,pre_close')
if minute_data.empty or abs((minute_data.iloc[0]['close'] / minute_data.iloc[0]['pre_close'] - 1) * 100) >= 6 or minute_data.iloc[0]['close'] >= minute_data.iloc[0]['pre_close']:
continue
selected_stocks.append((all_data.iloc[0]['pro_name'], ts_code))
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: pro.daily_basic(ts_code=x[1], trade_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='total_mv')['total_mv'], 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、昨天换手率＞8%的A股。可根据实际投资需求进行修改。
## 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。
