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，今日上涨大于1%的主板股票。该选股策略主要考虑了市场交易情况、公司规模和技术面因素等多方面因素。
选股逻辑分析
该选股策略主要考虑了市场交易情况、公司规模和技术面因素等多方面因素。振幅和流通市值筛选了市场交投活跃度和公司规模，今日上涨大于1%则是对股票技术面的要求。选股逻辑在市场活跃、公司规模强大的前提下，更加注重股票的短期走势表现，筛选出有上涨趋势的主板股票。
有何风险？
该选股策略存在忽略了公司基本面因素和长期走势等风险。此外，只考虑一日上涨大于1%的股票并不能完全代表该股票短期涨幅潜力。此外，短期技术面分析无法预测长期走势，股票仍存在价格下跌的风险。
如何优化？
在现有选股逻辑的基础上，可以结合基本面和长期走势综合分析。针对不同市场环境和行业特点，需要重点关注不同的因素。例如，在牛市行情下，可以注重公司的成长性和估值水平，强调基本面的健康稳健性；而在熊市行情下，可以重点关注公司的盈利能力和资产质量等指标，强调基本面因素的稳健性。
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，今日上涨大于1%的主板股票。该选股策略主要考虑了市场交易情况、公司规模和技术面因素等多方面因素，既注重股票的交易活跃度和市场规模，同时考虑了股票的短期走势表现。
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: TODAY > YESTERDAY * 1.01; //今日上涨大于1%
C4: MARKET='SH'; //主板股票
SYMBOL: C1 AND C2 AND C3 AND C4;
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
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
if (quote['close'] / quote['pre_close'] - 1) < 0.01: # 今日上涨小于1%
continue
# 符合条件的股票
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。
