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，三个技术指标同时金叉。该选股策略注重选取同时具有技术面和市值面优势的股票。
选股逻辑分析
该选股策略主要考虑同时具备技术面和市值面优势的股票，振幅大于1可以反映出一定的交投活跃度，流通市值大于100亿元则是考虑到公司规模，同时选股前要求股价所对应的技术指标同时金叉，意味着股价处于技术多头市场。
有何风险？
选股可能出现过于追求技术面，而忽略了公司的基本面，例如公司的盈利能力和财务状况等，同时具有技术面和市值面优势的股票不一定具备良好的基本面。
如何优化？
可以结合公司基本面和行业发展趋势等因素来进行分析。另外，还可以考虑加入其他技术指标，例如MACD、KDJ等指标，同时可以考虑在选股时设置更加严格的筛选条件，例如同时满足多个技术指标同时金叉，或者市值排名在前百分之几等。
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，同时三个技术指标（例如RSI、ROC、CCI）同时金叉，并结合公司基本面和行业发展情况等因素来进行选股。
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: (REF(RSI(14),1)<30) AND (RSI(14)>=30); //RSI指标金叉
C4: (REF(ROC(CLOSE,12),1)<0) AND (ROC(CLOSE,12)>=0); //ROC指标金叉
C5: (REF(CCI(14),1)<-100) AND (CCI(14)>=-100); //CCI指标金叉
SYMBOL: C1 AND C2 AND C3 AND C4 AND C5;
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,market')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
market = data.iloc[i]['market']
if market != 'SH': # 非主板股票
continue
k_data = pro.daily(ts_code=code)
if len(k_data) < 14: # 数据不足
continue
tech1 = k_data['close'] # 技术指标1，例如RSI
tech2 = k_data['close'] # 技术指标2，例如ROC
tech3 = k_data['close'] # 技术指标3，例如CCI
if tech1.iloc[-1] < tech1.iloc[-2] or tech2.iloc[-1] < tech2.iloc[-2] or tech3.iloc[-1] < tech3.iloc[-2]: # 同时金叉
continue
if k_data['turnover_rate'].iloc[-1] < 1: # 换手率小于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。
