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，收盘价大于昨日的最低价。该选股策略注重选取交投活跃度较高、公司规模较大的股票，并在技术面表现表现较好的情况下，选择收盘价处于上升阶段的股票。
选股逻辑分析
该选股策略注重选取交投活跃度较高、公司规模较大的股票，并以技术面表现为辅助，选择收盘价处于上升阶段的股票。振幅大于1是考虑到交投活跃度，流通市值大于100亿元则是考虑到公司规模。收盘价大于昨日的最低价可以反映出当前的走势趋势。
有何风险？
该选股策略忽略了公司基本面、行业因素等长周期因素，存在选股结果不够全面的风险。此外，该策略过于依赖于短期交易策略，缺乏对于股票长期投资价值的评估。
如何优化？
可以在现有选股逻辑的基础上引入更多的指标，如市盈率、市净率、收益率等基本面数据来进行综合考虑，确保对于个股的评估更加全面。同时，可以加入行业因素，考虑股票所处的行业和板块，进一步降低选股的风险。同时，可以结合技术面和基本面指标，从长期的角度来进行股票选择和投资。
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，收盘价大于昨日的最低价。该选股策略注重选取交投活跃度较高、公司规模较大的股票，并在技术面表现表现较好的情况下，选择收盘价处于上升阶段的股票。
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
C3: CLOSE > REF(LOW,1); //收盘价大于昨日的最低价
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,market')
# 筛选符合条件的股票
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
k_data = pro.daily(ts_code=code)
if len(k_data) < 2: # 数据不足
continue
if k_data['close'].iloc[-1] < k_data['low'].iloc[-2]: # 收盘价低于昨日最低价
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
## 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。
