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、买一量大于卖一量。该选股策略主要考虑了股票价格波动性、价格合理性以及买卖情况。
选股逻辑分析
该选股策略主要以股票价格波动性、价格合理性、买卖情况为选股依据。振幅大于1反映了股票价格波动比较大，股价为18.5元则反映了股票价格的合理性，买一量大于卖一量则反映了股票的买卖情况。该选股策略主要考虑了股票价格波动性、价格合理性以及买卖情况等多因素。
有何风险？
该选股策略忽略了股票的基本面因素，如盈利、成长性等。同时，过于依赖买卖情况来进行选股，会忽略了股票个别风险，如操纵、暴涨暴跌等。同时，该选股逻辑中买一量大于卖一量也不一定能反映股票实际的投资价值。
如何优化？
应该加入更多的基本面因素，如净利润增长率、市盈率、市净率、ROE等指标，进行更全面的分析。同时，在选股逻辑中可以加入更多的条件，如流动性、市值、分红率以及股息率等指标，进行更全面综合性的选股分析。对于买卖情况的分析，可以根据委托量、成交量等不同因素进行判断。
最终的选股逻辑
对于A股市场来说，选股逻辑为：振幅大于1、股价为18.5元、买一量大于卖一量、净利润增长率大于30%、市值在100亿元以下、流动性好。选股条件可以根据实际投资需要进行修改。
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
# 买一量大于卖一量
SELECT3 = BUYVOL > SELLVOL
# 净利润增长率大于30%
SELECT4 = (net_profit - net_profit.shift(1)) / net_profit.shift(1) > 0.3
# 市值在100亿元以下
SELECT5 = capitalization <= 10000000000
# 流动性好
SELECT6 = volume > 500000
SELECT = SELECT1 AND SELECT2 AND SELECT3 AND SELECT4 AND SELECT5 AND SELECT6
以上为计算选股逻辑的指标公式。选股指标为：振幅大于1、股价为18.5元、买一量大于卖一量、净利润增长率大于30%、市值在100亿元以下、流动性好。可根据实际投资需求进行修改。
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 or all_data.iloc[0]['market_type'] == '科创板':
continue
daily_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=20)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))
if daily_data.empty or daily_data['low'].iloc[-1] >= daily_data['low'].iloc[0] or daily_data['close'].iloc[-1] != 18.5 or (daily_data['volume'] < 500000).any() or daily_data['BUY_VOL'].iloc[-1] <= daily_data['SELL_VOL'].iloc[-1]:
continue
income_data = pro.income(ts_code=ts_code, start_date='20180101', end_date='20211231')
if income_data.empty or income_data['revenue'].iloc[0] == 0 or (income_data['revenue'] / income_data['revenue'].shift(1) <= 1.1).any():
continue
stock_basic = pro.stock_basic(ts_code=ts_code, fields='industry')
if stock_basic.empty or stock_basic['name'].iloc[0][0] == 'S' or '退' in stock_basic['name'].iloc[0]:
continue
tech_data = pro.index_dailybasic(ts_code='000001.SH', trade_date=(pd.Timestamp.now() - pd.Timedelta(days=20)).strftime('%Y%m%d'), fields='ts_code,trade_date,macd,dea')
if tech_data.empty or tech_data[tech_data['ts_code']==ts_code]['dea'].iloc[-1] <= tech_data[tech_data['ts_code']==ts_code]['dea'].iloc[0]:
continue
selected_stocks.append((all_data.iloc[0]['pro_name'], ts_code))
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: pro.moneyflow(ts_code=x[1], trade_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))['net_mf_vol'].iloc[0]
if pd.notna(pro.moneyflow(ts_code=x[1], trade_date=(pd.Timestamp.now() - pd.Timedelta(days=2)).strftime('%Y%m%d'))['net_mf_vol'].iloc[0])
else 0, 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、买一量大于卖一量、净利润增长率大于30%、市值在100亿元以下、流动性好。可根据实际投资需求进行修改。
## 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。
