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，换手率在3%-12%之间。该选股策略从市场交易情况、公司基本面和技术面多方面考虑。
选股逻辑分析
该选股策略主要侧重于市场交易情况，振幅和换手率反映了市场的交投活跃度，流通市值则考虑了公司规模。该策略较为稳健，挑选出的股票相对于市场波动并不太大，但在一定程度上有利于获得市场回报。
有何风险？
该选股策略可能挑选出市值较大、换手率波动较小而导致行业、公司的龟速发展的的蓝筹股，并且对于经验有限、资本较少的投资者，可能不适合。
如何优化？
除了考虑市场交易情况外，也应该加强公司基本面和财务指标等多方面考量，如股票的市盈率、市净率等指标。同时，在考虑换手率时，还应该分析成交量等市场交易情况的其他因素。除了选股逻辑的优化外，也要关注行业最新动态和趋势，进行长期布局，控制投资仓位，严格止盈止损，及时调整投资组合，减小风险。
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，换手率在3%-12%之间。该选股策略从市场交易情况、公司基本面和技术面多方面考虑。
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>100000; //流通市值大于100亿元
C3: TURNOVER_RATE>=3 AND TURNOVER_RATE<=12; //换手率3%-12%
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')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
# 判断是否符合要求
k_data = pro.daily(ts_code=code, start_date='20220101', end_date='20220601')
if k_data.empty:
continue
if abs((k_data.iloc[-1]['high'] / k_data.iloc[-1]['low'] - 1) * 100) < 1: # 振幅小于1
continue
circ_mv = pro.query('daily_basic', ts_code=code, trade_date=k_data.iloc[-1]['trade_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
turnover_rate = pro.query('daily_basic', ts_code=code, trade_date=k_data.iloc[-1]['trade_date'], fields='turnover_rate').iloc[0]['turnover_rate'] # 换手率
if turnover_rate < 3 or turnover_rate > 12: # 换手率不在3%-12%之间
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
致辞
本次问答为选股逻辑：振幅大于1，流通市值大于100亿元，换手率在3%-12%之间的问答。该选股策略从市场交易情况、公司基本面和技术面多方面考虑。所给出的通达信指标公式参考和python代码参考仅供参考，读者可以根据实际情况进行优化和修改。
## 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。
