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、昨天换手率＞8%的股票。该选股策略综合考虑了股票的波动性、市场规模以及市场活跃度，能够筛选出一些波动性适中、市场活跃、市值较大的个股。
选股逻辑分析
该选股逻辑继承了振幅大于1和流通市值大于100亿元的基本筛选条件，同时加入了昨天换手率大于8%的限制。这是因为市场活跃度高的股票更容易受到市场情绪的影响，波动性相对较大。不过，需要注意的是选股时要考虑换手率涨幅的问题，否则容易排除一些潜力股。综上，该选股逻辑能够筛选出市场活跃、波动性适中、市值较大的个股。
有何风险？
该选股逻辑存在以下风险：一是该选股逻辑忽略了公司财务和基本面等因素的影响，选股范围过于狭窄，易错过真正优质的企业；二是市场活跃度较高的股票并不一定波动性较大，并可能伴随着市场热点追涨杀跌的投机情绪，容易带来不必要的风险；三是换手率指标容易受到市场交易量等因素的影响，不具有很好的稳定性。
如何优化？
优化该选股策略可以考虑以下方面：一是综合考虑公司的财务和经营情况等基本面因素，如市盈率、净利润、业绩增长等，更全面、准确地评估公司的实力和价值；二是考虑引入技术指标和基本面指标结合的方法，根据历史数据和行业情况进行精细化的选股；三是采用机器学习算法，全面考虑多个因素的影响和相互作用，提高选股策略的稳定性和准确性。
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、昨天换手率＞8%的股票。该选股策略综合考虑了股票的波动性、市场规模以及市场活跃度，能够筛选出一些市场活跃、波动性适中、市值较大的个股。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND Ref(TO/STO, 1)>8 AND ref(HIGH/LOW, 1)>1
其中，CIRC_MARKET_CAP表示流通市值，Ref(TO/STO, 1)表示昨天的换手率，ref(HIGH/LOW, 1)表示振幅。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
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, volume, 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
# 判断昨天换手率是否符合条件
trade_data = pro.moneyflow(ts_code=ts_code, start_date='', end_date='', fields='trade_date, to_net, sti_net')
if len(trade_data) == 0:
continue
to_sto = (trade_data.iloc[-2]['to_net'] / trade_data.iloc[-2]['sto_net']) if trade_data.iloc[-2]['sto_net'] != 0 else 0
if to_sto < 8:
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。
