问财量化选股策略逻辑
选股逻辑为：振幅大于1、股价为18.5元、上市大于一年。选股策略旨在寻找可能具有中短期上涨趋势、波动性适中且基本面相对稳定的股票。
选股逻辑分析
该选股策略以振幅大于1、股价为18.5元、上市大于一年为选股条件。该选股逻辑相较于前一个题目仅加入了上市年限的因素，旨在从基本面相对稳定的股票中筛选有上涨趋势且波动性适中的股票。
有何风险？
该选股策略仍然未考虑其他的市场因素、公司财务报表等基础面指标，可能导致选出的股票未必具备长期持有价值。同时，振幅和股价等因素容易受到市场波动的影响，长期看可能并不能持续适用。
如何优化？
应该加入其他的市场因素、公司财务报表等基础面指标以及技术形态等因素，构建更为全面的选股模型。同时，对于振幅和股价等因素，可以考虑将其定性化或将选股部位调低，减少因为市场波动导致选股逻辑失效的风险。
最终的选股逻辑
选股逻辑为：振幅大于1、股价为18.5元、上市大于一年，并加入其他的市场因素、基础面指标和技术形态等因素，以构建更为全面的选股模型。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH-LOW)/HIGH > 0.01
# 股价为18.5元
SELECT2 = CLOSE == 18.5
# 上市大于一年
SELECT3 = DATEDIFF('Y', LISTDATE) >= 1
SELECT = SELECT1 AND SELECT2 AND SELECT3
以上为计算选股逻辑的同花顺指标公式。即选股指标为：振幅大于1、股价为18.5元、上市大于一年。同时还应该加入其他的市场因素、基础面指标和技术形态等因素，具体计算方式可根据实际情况进行修改。
Python代码参考
import pandas as pd
import tushare as ts
def get_selected_stocks():
# 获取tushare连接
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取A股市场所有的股票
all_stocks = [ts_code for ts_code, name, industry in pro.stock_basic(fields='ts_code,name,industry', exchange='', list_status='L').values.tolist() if name[0] != 'S']
# 计算选股指标并依此进行选股
selected_stocks = []
for ts_code in all_stocks:
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name,concept_name,industry,exchange,list_date,total_equity,market_type,holders')
if all_data.empty or all_data.iloc[0]['total_equity'] == 0 or (pd.Timestamp.now() - pd.to_datetime(all_data.iloc[0]['list_date'])).days < 365:
continue
if all_data.iloc[0]['market_type'] != 1 or all_data.iloc[0]['holders'] == '非公开发行股份上市':
continue
quote_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=50)).strftime('%Y%m%d'), end_date=pd.Timestamp.now().strftime('%Y%m%d'), ma=[5, 10])
if quote_data.empty:
continue
if (quote_data['open'][-1] - quote_data['pre_close'][-1]) / quote_data['pre_close'][-1] > 0.095:
continue
if quote_data['close'][-1] != 18.5:
continue
if (pd.Timestamp.now() - pd.to_datetime(all_data.iloc[0]['list_date'])).days < 365:
continue
selected_data = quote_data.iloc[-1].copy()
selected_data['ts_code'] = ts_code
selected_data['pro_name'] = all_data.iloc[0]['pro_name']
selected_stocks.append(selected_data)
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、股价为18.5元、上市大于一年，并加入其他的市场因素、基础面指标和技术形态等因素，以构建更为全面的选股模型。可根据实际需求进行修改。
## 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。
