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，前日实际换手率在3%~28%之间。该选股策略注重选取交投活跃度适中、公司规模较大的股票。
选股逻辑分析
该选股策略注重选取交投活跃度适中、公司规模较大的股票。振幅大于1是考虑到交投活跃度，流通市值大于100亿元则是考虑到公司规模，前日实际换手率在3%~28%之间的股票则可以反映出市场在近期逐渐聚焦、交投活跃但未过度热门的品种，使得投资者有足够的获取较高收益的可能性。
有何风险？
该选股策略对于一些市场风格变化大、交投较为活跃但长期表现不佳的股票可能会被忽视，同时对于市场情况较为平淡、在大股东较为沉寂的股票也可能会比较难以筛选出来。
如何优化？
可以在现有选股逻辑的基础上增加市场情绪、资金流向等因素的考虑，以全面地分析股票的交投活跃度和市场格局，并且可以根据具体的投资风格和对象，结合不同的指标来进行选股。
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，前日实际换手率在3%~28%之间。该策略注重交投活跃度适中、公司规模较大的股票的筛选，同时结合市场情绪以及资金流向等因素，达到全面性的选股评估。
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: TURNOVER_RATE > 3 AND TURNOVER_RATE < 28; //前日实际换手率在3%~28%之间
SYMBOL: C1 AND C2 AND C3;
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) < 251: # 数据不足
continue
if k_data['close'].iloc[-1] < k_data['close'].iloc[-2]: # 昨日收盘价低于前一日收盘价
continue
if k_data['turnover_rate'].iloc[-2] < 3 or k_data['turnover_rate'].iloc[-2] > 28: # 前日实际换手率不符合条件
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。
