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、今日上涨超过1%的主板股票。该选股策略主要考虑了股票价格波动性、价格合理性以及股票近期表现等因素。
选股逻辑分析
该选股策略主要以股票价格波动性、价格合理性以及股票近期表现等因素为选股依据。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，同时强调了今日上涨超过1%表明市场对该股票的看好程度较高。
有何风险？
该选股策略过于关注最短期的股价表现，缺少对股票的长期价值分析，忽略了一些基本面因素，如财务报表真实性、经营稳定性等。同时，该选股逻辑中只关注了主板股票，忽略了创业板、中小板等其他板块的股票。
如何优化？
应该加入更多的基本面因素，如负债率、成长性等指标，进行更全面的分析。可以加入行业因素、市值、分红率、股息率等指标，进行更全面综合的选股分析。同时，可以加入过去一段时间的涨跌幅统计，以较长的时间周期反映股票表现，避免过度关注短期波动。对于选股范围可以扩大到创业板、中小板等其他板块股票。
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、今日上涨超过1%的股票。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
# 今日上涨超过1%
SELECT3 = (CLOSE/CLOSE.shift()-1) > 0.01
# 主板股票
SELECT4 = MARKET == '主板'
SELECT = SELECT1 AND SELECT2 AND SELECT3 AND SELECT4
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、今日上涨超过1%的股票。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:
continue
daily_data = pro.daily(ts_code=ts_code, end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='high,low,open,close')
if daily_data.empty or daily_data['low'].iloc[-1] >= daily_data['low'].iloc[0] or daily_data['close'].iloc[-1] != daily_data['open'].iloc[-1]:
continue
if daily_data['close'].iloc[-1]/daily_data['close'].iloc[-2]-1 <= 0.01:
continue
finance_data = pro.fina_indicator(ts_code=ts_code, fields='ann_date,end_date,parent_net_profit')
if finance_data.empty:
continue
stock_basic = pro.stock_basic(ts_code=ts_code, fields='industry,market')
if stock_basic.empty or stock_basic['name'].iloc[0][0] == 'S' or '退' in stock_basic['name'].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、今日上涨超过1%的股票。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。
