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，2021年营收/2018年营收大于1.1。该选股策略同时考虑了市场交易情况、公司规模和财务数据等方面，以及对公司未来预期进行预测。
选股逻辑分析
该选股策略主要考虑了市场交易情况、公司规模和财务数据等因素，同时关注公司未来的预期。振幅和流通市值筛选了市场交投活跃度和公司规模，而营收比例则考虑了公司的财务状况和未来业绩增长的预期，符合投资者对于盈利数据的重视需求。
有何风险？
该选股策略存在忽略企业基本面和财务数据等重要因素的风险，过度依赖未来业绩增长的预期，而未实际考虑公司的盈利质量和持续性等关键因素，容易买入财务数据表面看似良好但实际业绩并不稳定或盈利质量并不高的公司。此外，公司营收可能受到世界经济、政策等因素的影响，存在市场风险和政策风险。
如何优化？
在现有选股逻辑的基础上，进一步结合其他公司财务数据指标如毛利率、净利率等因素进行综合考虑，以避免过度依赖单一指标。另外，在确认公司财务数据良好后，还应进行对行业前景、市场状况等综合分析，以降低市场风险。
最终的选股逻辑
选股条件为：振幅大于1，流通市值大于100亿元，2021年营收/2018年营收大于1.1。该选股策略同时考虑了市场交易情况、公司规模和财务数据等方面，以及对公司未来预期进行预测。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100)>=1; //振幅大于1
C2: CIRC_MV>10000000000; //流通市值大于100亿元
C3: OPER_REV_ANN/OPER_REV_ANN_2>1.1 //2021年营收/2018年营收大于1.1
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
quote = pro.futu_quote(code).iloc[0] # 获取实时行情
if abs((quote['high'] / quote['low'] - 1) * 100) < 1: # 振幅小于1
continue
circ_mv = pro.daily_basic(ts_code=code, trade_date=quote['date'], fields='circ_mv').iloc[0]['circ_mv'] # 流通市值
if circ_mv < 10000000000: # 流通市值小于100亿元
continue
oper_rev_ann_2 = pro.income(ts_code=code, start_date='20180101', end_date='20181231', fields='ann_date,operating_revenue').iloc[0]['operating_revenue']
oper_rev_ann = pro.income(ts_code=code, start_date='20210101', end_date=quote['date'], fields='ann_date,operating_revenue').iloc[0]['operating_revenue']
if oper_rev_ann/oper_rev_ann_2 <= 1.1: # 营收比例小于1.1
continue
info = {}
info['ts_code'] = code
info['name'] = data.iloc[i]['name']
df_list.append(info)
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.sample(n=length)
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。
