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，昨日股价大于250日均线。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，并以股价处于长期上升趋势为辅助，选择股价相对稳定的股票。
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，并以股价处于长期上升趋势为辅助，选择股价相对稳定的股票。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，昨日股价大于250日均线则是为了筛选相对股价稳定的股票。
有何风险？
选股逻辑中过于强调公司规模和交投活跃度，忽略了一些基本面因素，如公司盈利、市场竞争力等因素，容易忽略一些在财务数据或市场环境方面较为出色的股票，同时，该选股逻辑更注重中长期投资，通过技术分析可能忽略了一些短期行情波动的影响。
如何优化？
可以在现有选股逻辑的基础上引入基本面数据、技术指标和市场分析等多方面因素，增加其他指标来对个股进行全面性的分析，优化选股逻辑中的不足，同时在适当的时候也可以结合短期的趋势分析，降低选股的风险。
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，昨日股价大于250日均线。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，并通过多因素的分析，进行全面性的股票评估。
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 > MA(CLOSE, 250); //昨日股价大于250日均线
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) < 251: # 数据不足
continue
if k_data['close'].iloc[-1] < k_data['ma250'].iloc[-1]: # 昨日收盘价低于250日平均线
continue
if k_data['ma250'].iloc[-1] < k_data['ma250'].iloc[-2]: # 250日平均线向下
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。
