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、按个股热度从大到小排序名。该选股策略综合考虑股票的波动性、规模，同时按个股热度从大到小排序，挖掘出具有较大上涨潜力和市场关注度的优秀个股。
选股逻辑分析
该选股逻辑综合考虑了股票的波动性、规模和市场关注度，有助于发现具备较大上涨空间和投资价值的优质股票。相比较简单的振幅和流通市值选股策略，按个股热度排序可以更全面地了解市场对于个股的看法及关注度。
有何风险？
该选股逻辑存在以下风险：一是市场热点随时可能变化，导致选股难以跟上市场变化；二是市场评估存在误差，研究人员对个股的研究可能不够全面深入，存在挖掘不足的潜在风险。
如何优化？
为提高选股策略的有效性和稳定性，可以对选股逻辑进行进一步优化和完善，例如：一是加大对市场热点的研究和关注，及时发现并调整选股逻辑；二是结合基本面和技术面等多方面因素进行综合考虑，更全面地理解股票市场的波动性和变化。
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、排序方式为个股热度从大到小。该选股逻辑综合考虑了股票的波动性、规模和市场热度，有助于筛选具备较大上涨空间和投资价值的优质股票。
同花顺指标公式代码参考
CIRC_MARKET_CAP >=100 AND AMPLITUDE >=1 ORDER BY GV DESC
其中，CIRC_MARKET_CAP表示流通市值，AMPLITUDE表示振幅，GV表示个股热度，该指标综合考虑了选股的波动性、市场规模和热度等因素。
Python代码参考
# 导入tushare包和pandas包
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
# 获取符合条件的股票
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, pct_chg')
if len(daily_data) == 0:
continue
amplitude = (daily_data['high'].max() - daily_data['low'].min()) / daily_data['pre_close'].iloc[-1]
if amplitude < 1:
continue
# 获取个股热度
stock_info = pro.stock_basic(ts_code=ts_code)
selected_stocks.append((ts_code, stock_info.iloc[0]['list_date']))
# 按个股热度排序
selected_stocks = sorted(selected_stocks, key=lambda x:x[1], reverse=True)
return [x[0] for x in 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。
