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、现量大于1万手、当日开盘价高于昨日收盘价。该选股策略综合考虑了股票的波动性、市场规模、成交量和价格走势等重要因素，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，还引入了成交量和价格走势等指标，能够更加全面地评估选股的风险和机会。同时，振幅大于1意味着股票波动较大，有较大的涨跌空间，而流通市值大于100亿元意味着股票具备一定的市场规模。现量大于1万手和高开更加强化了选股的信号，有助于过滤掉投机性较强的股票。
有何风险？
该选股逻辑存在以下风险：一是高开和成交量等指标有一定的主观性，可能存在误判的情况；二是在短时间内振幅大、现量大的股票可能伴随着一定的风险，需要加以评估和控制。
如何优化？
优化该选股策略可以考虑以下方面：一是引入其他指标，如流通市值的增长率、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；二是通过对历史数据的回测和仿真，提高选股策略的准确性和稳定性。
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、现量大于1万手、当日开盘价高于昨日收盘价的股票。该选股逻辑综合考虑了股票的波动性、市场规模、成交量和价格走势等重要因素，可以通过引入其他指标进行后续优化。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND VOLUME>10000 AND OPEN>REF(CLOSE,1) AND (OPEN-REF(CLOSE,1))/REF(CLOSE,1)>0.03
其中，CIRC_MARKET_CAP表示流通市值，VOLUME表示成交量，OPEN表示当日开盘价，REF(CLOSE,1)表示昨日收盘价，该指标综合考虑了选股的波动性、市场规模、成交量和价格走势等因素。
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, 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
# 判断现量和高开是否符合条件
if daily_data.iloc[-1]['volume'] <= 10000 or daily_data.iloc[-1]['open'] <= daily_data.iloc[-2]['close'] or (daily_data.iloc[-1]['open'] - daily_data.iloc[-2]['close']) / daily_data.iloc[-2]['close'] <= 0.03:
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。
