问财量化选股策略逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、10天内涨停天数大于2的股票。该选股策略综合考虑了股票的波动性、市场规模和市场热度等重要因素，有助于选出具有较高涨势的股票。
选股逻辑分析
该选股逻辑相较于前面的证券选择逻辑，新加入了观测市场热度的因素，这能够更加精准地评估投资者的情绪和股票情景。同时，相较于机器学习、人工智能算法，本策略更加人性化，也更符合投资者直觉，不依赖复杂的技术模型。
有何风险？
该选股逻辑存在以下风险：一是过度追求热门股票，可能会陷入“套牢”的风险，尤其在调整行情时如此; 二是考虑只有股市热点指数不足以规范语言。
如何优化？
优化该选股策略可以考虑以下方面：一是引入其他更客观、多元化的考察指标，减少股票选择的失当情形，如增加价格动量指标、龙虎榜等参考指标；二是适时进行深入调查实地考核所持股票的实际情形，如其财务状况、资产结构、技术实力等，形成更为全面、多层次的股评标准。
最终的选股逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、10天内涨停天数大于2的股票。该选股逻辑综合考虑了股票的波动性、市场规模和市场热度等因素，同时可以根据具体情况进行后续优化。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND MAX(CLOSE/PRE_CLOSE-1, PRE_CLOSE/CLOSE-1)>1 AND COUNT(IF(CLOSE/REF(CLOSE,1)>1.099,1,NULL),10)>2 AND MARKET in ("sz","sh")
其中，CIRC_MARKET_CAP表示流通市值，MA表示均线，HIGH和LOW分别表示当日的最高价和最低价，CLOSE表示收盘价，PRE_CLOSE表示前一个交易日的收盘价，MAX表示最大值函数，COUNT表示统计函数，IF表示一个分支语句。该指标综合考虑了选股的波动性、市场规模和市场热度等因素。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
# 获取符合条件的股票
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code, circ_mv').ts_code:
stock_data = pro.query('stock_basic', ts_code=ts_code)
if stock_data.iloc[0]['circulating_market_cap'] < 100:
continue
# 判断振幅是否符合条件
daily_data = pro.daily(ts_code=ts_code, start_date='', end_date='', fields='trade_date, open, high, low, close, pct_chg')
if len(daily_data) == 0:
continue
amplitude = max(daily_data['close'] / daily_data['pre_close'] - 1, daily_data['pre_close'] / daily_data['close'] - 1)
if amplitude <= 1:
continue
# 判断涨停天数是否符合要求
limit_up_data = pro.limit_list(ts_code=ts_code, start_date='', end_date='', limit_type='U', fields='trade_date')
if len(limit_up_data) < 2 or limit_up_data['trade_date'].iloc[-1] < daily_data['trade_date'].iloc[-10]:
continue
selected_stocks.append(ts_code)
return selected_stocks
## 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。
