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、20日均线大于120日均线的股票。该选股策略综合考虑了股票的波动性、市场规模和技术面等重要因素，有助于选出具备竞争力、内含价值较大的股票。
选股逻辑分析
该选股逻辑相对于前面的逻辑，增加了技术面的因素，选股效果更具针对性，能够更好地抓住股票的趋势。同时在流通市值方面，选取规模较大的公司，风险相对较低，在选取股票中较为稳健。
有何风险？
该选股逻辑存在以下风险：一是选股策略过于依赖技术面，并忽视了公司的财务、行业和政策等其他重要因素，容易造成偏差；二是均线作为技术面指标，并不能完全反映出股票的走势，存在一定局限性。
如何优化？
优化该选股策略可以考虑以下方面：一是引入其他相关指标，如市盈率、市净率等财务指标、行业和政策指标等，形成一个综合评价体系；二是对于均线的选择，可以根据不同的市场环境和行业特点，设置不同的时间段，避免出现过于片面或过于简单的判断。
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、20日均线大于120日均线的股票。该选股逻辑综合考虑了股票的波动性、市场规模和技术面等因素，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 MA(CLOSE, 20)>MA(CLOSE, 120) AND MARKET in ("sz","sh")
其中，CIRC_MARKET_CAP表示流通市值，MA表示均线，CLOSE表示收盘价，MARKET表示交易市场。该指标综合考虑了选股的波动性、市场规模和技术面等因素。
Python代码参考
# 导入tushare包和pandas包
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 = (daily_data['high'].max() - daily_data['low'].min()) / daily_data['pre_close'].iloc[-1]
if amplitude < 1:
continue
# 判断是否为深证或上证股票
stock_info = pro.stock_basic(ts_code=ts_code)
if stock_info.iloc[0]['market'] not in ('sz', 'sh'):
continue
# 判断均线是否符合要求
ma_20 = daily_data['close'].rolling(window=20).mean()
ma_120 = daily_data['close'].rolling(window=120).mean()
if len(ma_20) == 0 or len(ma_120) == 0 or ma_20.iloc[-1] <= ma_120.iloc[-1]:
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。
