问财量化选股策略逻辑
选股逻辑为振幅大于1、流通盘小于等于55亿股、K线波动幅度小于20。此策略旨在挑选出波动较小、规模适中、未来有一定上涨空间的股票，进行投资。
选股逻辑分析
- 指定振幅大于1可以筛选出波动较大的股票，同时指定K线波动幅度小于20可以筛选出波动相对较小的股票，两者综合考虑可以筛选出波动程度适中的标的；
- 流通盘小于等于55亿股可以挑选出规模相对较小的股票，具有较高的成长性和回报；
- 此策略选股策略相比于前一个策略，增加了K线波动幅度小于20的要求，减少了个股的波动风险。
有何风险？
- 选股策略中规定的条件可能过于严格，导致筛选出来的股票数量过少；
- 股票的波动性可能与市场环境有关，如果行情变化，则策略可能出现错误判断；
- 策略可能忽略了个股的基本面因素和财务状况，而过于注重技术指标。
如何优化？
- 适当放宽选股条件，结合基本面因素和市场趋势，制定更加科学、合理的选股策略；
- 降低选股风险，适度分散投资组合，规避非系统性风险；
- 深入研究个股的基本面和商业模式，确定具备潜力的标的；
- 考虑补充其他指标，例如成交量、RSI等，为策略提供更多参考。
最终的选股逻辑
选股逻辑为振幅大于1、流通盘小于等于55亿股、K线波动幅度小于20。在此基础上，结合基本面和市场趋势，制定合理的选股策略，降低选股的风险和误判。
同花顺指标公式代码参考
#计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)
#计算流通盘
free_share = FREE_SHARE
picks_free_share = IF(free_share <= 5500000000, 1, 0)
#计算K线波动幅度
n = 20
hhv_n = HHV(HIGH, n)
llv_n = LLV(LOW, n)
k = 100 * (CLOSE - llv_n) / (hhv_n - llv_n)
picks_k = IF(k < 20, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_k
picks_final = NLargest(n, picks, picks)
#输出选股结果
WriteIf(picks_final, picks_final, 0)
Python代码参考
#计算振幅
high = df['high']
low = df['low']
close = df['close']
amplitude = 100 * (high - low) / close
picks_amplitude = df[amplitude > 1].index.tolist()
#计算流通盘
free_share = df['free_share']
picks_free_share = df[free_share <= 5500000000].index.tolist()
#计算K线波动幅度
n = 20
hhv_n = df['high'].rolling(window=n).max()
llv_n = df['low'].rolling(window=n).min()
k = 100 * (df['close'] - llv_n) / (hhv_n - llv_n)
picks_k = df[k < 20].index.tolist()
#取排名前n的股票
n = int(len(df) / 10)
picks = list(set(picks_amplitude) & set(picks_free_share) & set(picks_k))
picks_final = df.loc[picks].sort_values(by='turnover_rate', ascending=False)[:n]['ts_code'].tolist()
#输出选股结果
print(picks_final)
## 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。
