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，按今日竞价金额排序前5。该选股策略注重选取同时具有市值和交易活跃度优势的股票。
选股逻辑分析
该选股策略主要考虑市值和交易活跃度两个方面，振幅大于1可以反映出一定的交投活跃度，流通市值大于100亿元则是考虑到公司规模，按照今日竞价金额排序前5可以反映出其交易活跃程度。
有何风险？
选股可能出现选取了竞价金额前5的股票，但是这些股票可能在当天已经达到了高位。同时，按照竞价金额排名选股可能会存在一定的随机性。
如何优化？
可以考虑加入其他指标，例如成交金额、换手率等，并结合公司基本面因素和行业发展等进行分析。同时，还可以考虑对选股的范围和标准进行限制，例如可以增加最近一个月涨幅小于20%的限制，或者仅选取行业内竞争力较为强劲的公司。
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，并按今日竞价金额排序前5，同时结合公司基本面因素和行业发展等进行分析。
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
SYMBOL_SORT: JRJJ_AMOUNT;
SYMBOL: C1 AND C2;
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
price_df = pro.price_volume(trade_date='20220105', fields='ts_code,trade_date,close,turnover_rate,turnover_rate_f,volume,amount') # 获取当日股价和交易金额
data = pd.merge(data, price_df, on='ts_code', how='left') # 加入当日交易数据
data.dropna(inplace=True)
data['sort'] = data['amount'].rank(ascending=False) # 根据交易金额进行排序
data = data[data['sort'] <= 5] # 取前五名
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
if data.iloc[i]['turnover_rate'] < 1: # 低换手率
continue
df_list.append({'ts_code': code, 'name': data.iloc[i]['name']})
# 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。
