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、北京A股除外。该选股策略主要是通过避开北京A股市场，选取一些波动性较大、股价适中的标的。
选股逻辑分析
该选股逻辑通过选取振幅大于1、股价为18.5元的标的，筛选出一些具有一定涨幅、适中股价且波动性较大的股票。同时，排除北京A股市场的股票，是因为北京A股市场的企业规模大，与上市城市具有一定关联性，可能会受到北京这一地区经济政策的影响。
有何风险？
该选股策略过于简化，缺乏对其他指标和因素的考虑，可能无法全面考虑股票的基本面和市场趋势等因素，存在盲目的风险。
如何优化？
可以加入更为全面、有针对性的指标和因素，如基本面指标、行业分析、市场趋势等，以保证选股策略综合性和准确性。同时可以加入特定行业的筛选条件，以优化选股效果。此外，合理制定风险控制措施，如定期调整选股条件、规定止盈、止损等，有效降低投资风险。
最终的选股逻辑
选股条件为：振幅大于1、股价为18.5元、排除北京A股市场。同时加入基本面指标、行业分析、市场趋势等综合分析，找到有长期投资潜力和景气周期上升趋势的标的。并规定止盈、止损等风险控制措施。
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
# 排除北京A股市场
SELECT3 = SDXGZSC() < 0
SELECT = SELECT1 AND SELECT2 AND SELECT3
SORT_BY = '成交额'
SORT_ASCEND = False
以上为计算选股逻辑的同花顺指标公式。其中，SDXGZSC函数为选排除北京A股市场的指标。
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()
# 获取股票数据
stock_data = pro.daily(trade_date='20220101')
# 进行选股
selected_stocks = []
for idx, row in stock_data.iterrows():
# 判断振幅大于1、股价为18.5元
if (row['high'] - row['low']) / row['high'] <= 0.01 or row['close'] != 18.5:
continue
# 排除北京A股市场
if row['list_date'][0:4] == '20' and row['list_date'][0:6] != '201002':
continue
# 根据筛选条件选取标的
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
# 可添加其他指标
selected_stocks.append(selected_data)
# 按成交额从高到低排序
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、排除北京A股市场。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。
