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、股价为18.5元的股票。该选股策略综合考虑了股票的波动性和市场规模，同时加入了股价指标，可以选出相对稳定且价格适宜的公司股票。
选股逻辑分析
该选股逻辑注重了股票的波动性和市场规模，并引入了股价指标，有助于评估和筛选风险可控、价格适宜的公司股票。具体而言，振幅大于1意味着股票升降幅较大，有较大的涨跌空间，流通市值大于100亿元意味着具备一定的市场规模，股价为18.5元意味着处于市场适宜价格范围内。
有何风险？
该选股逻辑存在以下风险：一是单一的股价指标可能导致忽略了其他重要的财务、经营和市场因素；二是振幅大，流通市值等指标的机械组合可能忽略了不同股票类型和行业的差异，无法全面评估选股的风险和机会；三是股价较低不一定代表公司估值低，选股结果可能存在一定程度的偏差。
如何优化？
优化该选股策略可以考虑以下方面：一是引入其他财务、经营和市场指标，如收入增长率、净利润增长率等，综合评估选股的风险和机会；二是采用多因子选股模型，综合考虑不同指标的重要性和相互作用，充分发挥各指标的作用；三是通过历史回测和模拟交易，优化选股结果，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、股价为18.5元的股票。该选股策略综合考虑了波动性、市场规模和价格等因素，并可以根据具体要求进行适当调整。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND CURRENTPRICE=18.5
其中，CIRC_MARKET_CAP表示流通市值，CURRENTPRICE表示当前股价。
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, curr_price').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
# 判断股价是否符合条件
stock_info = pro.query('stock_company', ts_code=ts_code, fields='ts_code, curr_price')
if stock_info.iloc[0]['curr_price'] != 18.5:
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。
