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、9点25分涨幅小于6%的股票。该选股策略综合考虑了股票的波动性、市场规模以及股票在开盘时的表现，能够筛选出一些市值较大、波动性适中、开盘时未涨幅过大的个股。
选股逻辑分析
该选股逻辑继承了振幅大于1和流通市值大于100亿元的基本筛选条件，同时加入了股票在9点25分时的涨幅不能超过6%的限制。这是因为股票在开盘时涨幅过大可能会造成投资者盲目追高而造成不必要的风险。因此，该选股逻辑能够基本排除开盘涨幅过大的股票，筛选出波动性适中、风险相对较低的个股。
有何风险？
该选股逻辑存在以下风险：一是不能充分考虑公司的业绩和基本面等因素，因此可能会漏掉一些真正优质的企业；二是该选股逻辑更加侧重于短期行情，对于投资者长期的投资计划并不适用；三是振幅和股票在开盘时的涨幅变动都较大，难以维持较长时间的有效性。
如何优化？
优化该选股策略可以考虑以下方面：一是综合考虑公司的财务和经营指标，如净利润增长率、资产负债率等，更加全面、准确地评估公司的实力和价值；二是引入技术指标和基本面指标结合的方法，根据历史数据和行业情况进行精细化的选股；三是采用机器学习算法，全面考虑多个因素的影响和相互作用，提高选股策略的稳定性和准确性。
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、9点25分涨幅小于6%的股票。该选股策略综合考虑了股票的波动性、市场规模以及股票在开盘时的表现。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND MF006>0 AND MF006<0.06 AND REF(HIGH/LOW,1)>1
其中，CIRC_MARKET_CAP表示流通市值，MF006表示9点25分涨幅，REF(HIGH/LOW,1)表示振幅。
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, volume, 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
# 判断开盘时涨幅是否符合条件
minute_data = ts.pro_bar(ts_code=ts_code, freq='1min', start_date='', end_date='', fields='ts_code, trade_time, open, high, low, close')
if len(minute_data) == 0:
continue
mf006 = (minute_data.iloc[0]['close'] / minute_data.iloc[0]['pre_close']) - 1
if mf006 >= 0.06:
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。
