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、收盘价位于boll（upper值）和boll（mid值）之间的股票。该选股策略综合考虑了股票的波动性、市场规模和技术指标等重要因素，有助于选出具有较高涨势的股票。
选股逻辑分析
该选股逻辑不仅考虑了股票的波动性和市场规模，还引入了技术指标boll线，能够更加全面地评估选股的风险和机会。同时，该策略相对简单，容易理解和实施，可适用不同的投资者类型和行情场景。
有何风险？
该选股逻辑存在以下风险：一是boll线不符合股票实际情形，可能造成误判，导致投资失误；二是忽视了一些其他重要的指标，如资产负债率、市盈率等，可能带来额外的风险。
如何优化？
优化该选股策略可以考虑以下方面：一是根据当期情形不断调整boll线参数，提高选股策略的准确性，例如考虑使用EMA或其他均线来替代SMA；二是引入其他指标，如相对强弱指标（RSI）、移动平均线等，加强对选股风险的评估和控制。
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、收盘价位于boll（upper值）和boll（mid值）之间的股票。该选股逻辑综合考虑了股票的波动性、市场规模和技术指标等因素，同时可以根据具体情况进行后续优化。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND (CLOSE>MA(CLOSE,20)+STD(CLOSE,20)) AND (CLOSE<MA(CLOSE,20))
其中，CIRC_MARKET_CAP表示流通市值，MA表示均线，STD表示标准差，CLOSE表示收盘价。该指标综合考虑了选股的波动性、市场规模和技术指标等因素。
Python代码参考
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 = max(daily_data['close'] / daily_data['pre_close'] - 1, daily_data['pre_close'] / daily_data['close'] - 1)
if amplitude <= 1:
continue
# 判断收盘价是否符合条件
daily_data['boll_upper'], daily_data['boll_mid'], daily_data['boll_lower'] = talib.BBANDS(daily_data['close'].values, timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)
if daily_data.iloc[-1]['close'] < daily_data.iloc[-1]['boll_mid'] or daily_data.iloc[-1]['close'] > daily_data.iloc[-1]['boll_upper']:
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。
