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、股票形态为圆弧形的个股。该选股策略综合考虑了股票波动性、市值规模以及个股形态情况，以期挑选出较为优质的个股。
选股逻辑分析
该选股逻辑的选股条件较为细致，既考虑了市值、波动性等因素，也引入了个股形态作为筛选条件，更准确地反映个股的技术形态以及股价走势。该选股逻辑相比于单纯的波动性筛选，更全面地考虑了市场环境中的多重因素。
有何风险？
该选股策略存在以下风险：一是股票形态为主观判断，可能存在误判的情况；二是选股的条件相对固定，有可能漏选一些真正优秀的企业；三是市场风险与个股风险并未完全被充分考虑，存在在特殊市场环境下该选股策略的效果会有所减弱的情况等。
如何优化？
为优化该选股逻辑，可从以下方面进行优化：一是引入更为严谨的技术形态指标，如K线形态、趋势线等指标结合判断，避免因主观判断而产生误判的问题；二是加入基本面数据，如公司盈利情况、财务指标等，综合考虑企业财态情况；三是考虑引入文本数据，如舆情、新闻等数据，评估个股情况。综上，优化后的选股策略更加全面、准确地反映出市场环境中的多重因素，能更好地指导投资行为。
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、股票形态为圆弧形的个股。该选股策略综合考虑了股票波动性、市值规模以及个股形态情况，以期挑选出较为优质的个股。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND Ref(HIGH/LOW, 1)>1 AND Arc_Percent>=60
其中，CIRC_MARKET_CAP表示流通市值，Ref(HIGH/LOW, 1)表示昨日的振幅，Arc_Percent表示个股形态为圆弧形的百分比，未来可以采用更严谨的技术形态指标进行替代。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
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
# 判断形态是否符合条件
tech_data = pro.query('fina_tech', ts_code=ts_code, start_date='', end_date='', fields='arc_percent')
if len(tech_data) == 0:
continue
if tech_data.iloc[-1]['arc_percent'] < 60:
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。
