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、深证主板中市盈率0-29.01市净率0-3.11的股票。该选股策略结合了股票交易波动性、公司基本面等因素，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，加入了股票市盈率和市净率的筛选因素，可以有效降低投资风险，增加投资收益率。
有何风险？
该选股策略过度依赖单一的基本面指标，如市盈率、市净率等，忽略了其他重要的指标，例如成长性、业绩等。同时，基本面指标容易受到市场事件等因素的影响，存在一定的不确定性和误判风险。
如何优化？
建议在市盈率、市净率指标的基础上，加入其他重要的基本面指标，如营收、净利润增长率等，综合考虑股票的投资价值。对于基本面指标的选择可以根据不同行业、不同市场进行灵活调整。同时，可以引入一些技术分析指标来辅助选股，如KDJ、MACD等。
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、深证主板中市盈率0-29.01市净率0-3.11的股票，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 ((EXCHANGE == 'SZSE' AND RIGHT(CODE, 2) IN ('00', '02', '03')) AND (PE_TTM > 0 AND PE_TTM < 29.01) AND (PB > 0 AND PB < 3.11)) 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，代码中的企业性质筛选为深证主板中股票，市盈率和市净率的范围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']>3.11 or finance_data.iloc[0]['pe_ttm']<0 or finance_data.iloc[0]['pe_ttm']>29.01:
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 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
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、深证主板中市盈率0-29.01市净率0-3.11的股票，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。
