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、昨天龙虎榜的个股。该选股策略旨在从市值大、波动性较高且昨天受到资金追捧的个股中筛选出具有较高投资价值的企业。
选股逻辑分析
该选股逻辑主要考虑市值规模、股票波动性以及资金流向情况。相比于单纯的市值、波动性筛选，该选股逻辑更综合、细致地考虑了个股资金流入情况，从而降低了部分市场风险。
有何风险？
该选股策略存在以下风险：一是龙虎榜选择存在主观性，有可能由于部分企业不符合榜单规则等原因而漏选一些真正优秀的企业；二是个股波动性的高低可能反映出市场中的风险，存在大幅度市场波动时选股结果受到影响的情况。因此，在实际应用中，应该综合考虑多种因素，如基本面、技术面等因素。
如何优化？
为优化该选股逻辑，应引入更全面、准确的数据来反映企业的质量和价值，如市盈率、市净率、ROE等基本面数据，以及K线形态、均线等技术指标。此外，应进行量化分析，结合机器学习模型等技术手段，选取具有较高价值的个股。
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、昨天龙虎榜的个股。该选股策略综合考虑了市值规模、股票波动性以及资金流向情况，以期从中挑选出具有较高投资价值的企业。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND Ref(HIGH/LOW, 1)>1 AND INDT_STK_EXCHANGE_TRADE_INFO_1.CONS_IN_NET_AMOUNT > 0
其中，CIRC_MARKET_CAP表示流通市值，Ref(HIGH/LOW, 1)表示昨日的振幅，INDT_STK_EXCHANGE_TRADE_INFO_1.CONS_IN_NET_AMOUNT 表示龙虎榜上买入营业部的净买入额，未来可以采用更为准确的筛选因素进行替代。
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
# 判断是否昨天有龙虎榜
lhb_data = pro.top_list(trade_date='', start_date='', end_date='', fields='ts_code')
if ts_code not in lhb_data['ts_code'].values:
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。
