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，上市大于X年。该选股策略主要考虑振幅较大、市值比较大且上市较长时间的优质股票。
选股逻辑分析
该选股策略将振幅、流通市值和上市时间相结合，是一种综合性的选股策略。振幅大于1反映了一定的活跃度，流通市值大于100亿元反映了公司规模的实力，上市时间则反映了公司的成熟度和稳定性。
有何风险？
在市场情况不稳定或行业不景气的情况下，该选股策略可能会选出过多的资金占用更多的股票，从而导致组合的风险增加。
如何优化？
可以结合基本面等指标作为补充，比如可以筛选出ROE、负债率、和PE等指标较低的优质股票。可以考虑将选股时间周期较长的选股策略分拆成多个子阶段，每个子阶段选股时间跨度相对较短，以便更好地应对市场情况的变化。
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，上市时间大于X年。
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: LIST_TIME < 20180101; //上市时间大于2018年1月1日
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length, list_time):
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,list_date')
# 筛选符合条件的股票
data['sort'] = data['circ_mv'].rank(ascending=False) # 根据流通市值进行排序
data = data[data['sort'] <= 200] # 取前200名
select_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
market = data.iloc[i]['market']
list_date = int(data.iloc[i]['list_date'].replace('-', ''))
if market != 'SH' or list_date > list_time: # 非主板股票或上市时间未达到要求
continue
# 判断股票振幅和流通市值是否符合条件
daily_data = pro.daily_basic(ts_code=code, trade_date='20210901', fields='ts_code,trade_date,turnover_rate,vol,pre_close')
if len(daily_data) == 0 or daily_data.iloc[-1]['turnover_rate'] <= 1 or daily_data.iloc[-1]['vol']*daily_data.iloc[-1]['pre_close']*0.01 <= 1000000000:
continue
# 将符合条件的股票添加到结果列表中
select_list.append({'ts_code': code, 'name': data.iloc[i]['name'], 'circ_mv': data.iloc[i]['circ_mv']})
# 按照市值排序
selected_stocks = pd.DataFrame(select_list)
selected_stocks = selected_stocks.sort_values(by=['circ_mv'], ascending=[False])
# 随机选择一定数量的股票
selected_stocks = selected_stocks.head(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。
