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、昨天换手率＞8%。该选股策略旨在寻找具有一定波动性、价格合适、且有一定市场热度的标的，适合进行短线或者操作性投资。
选股逻辑分析
该选股逻辑以振幅大于1、股价为18.5元、昨天换手率＞8%作为选股条件，寻找具有一定波动性、价格合适、且有市场热度的标的。该选股策略考虑了市场情况、资金流向、以及市场热度等因素，预期能够选出有一定投资机会的股票。
有何风险？
该选股策略虽然考虑了市场热度、资金流向等因素，但仍然存在选股时忽略了重要基本面因素的风险，因此选股结果可能存在一定的误差。同时，选股策略主要依据了固定的指标条件，未考虑市场变动和个股特性的变化，存在适用性差、操作不及时等风险。
如何优化？
为避免盲目追求市场热度或者流行热点，在考虑市场热度和换手率指标的基础上，可结合基本面因素、行业趋势等进行选股，提高选股准确性。同时，可使用技术分析等工具，进一步提高选股策略的实用性和准确度。
最终的选股逻辑
选股条件为：振幅大于1、股价为18.5元、昨天换手率＞8%。结合基本面、行业趋势等因素，寻找具有短期投资机会的标的，适合进行短线或者操作性投资。
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
# 昨天换手率＞8%
SELECT3 = VOL / (CAPITAL * 10000) > 0.08
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。
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():
# 判断筛选条件
if (row['high'] - row['low']) / row['high'] <= 0.01 or row['close'] != 18.5 or row['vol'] / (row['total_mv'] * 10000) <= 0.08:
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']
selected_data['turnover_rate'] = row['vol'] / (row['total_mv'] * 10000)
selected_stocks.append(selected_data)
# 按成交额从大到小排序
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['amount'], 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、昨天换手率＞8%。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。
