(supermind)振幅大于1、流通盘小于等于55亿股、PE_0_

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、PE大于0，筛选出波动较大、具有一定交易活力，且估值不低于0的股票。

选股逻辑分析

1. 振幅大于1可以筛选出波动较大但有一定交易活力的股票。
2. 流通盘小于等于55亿股可以筛选出小盘股，小盘股可能具有较高风险和回报。
3. PE大于0可以排除出现亏损的公司，确保公司有一定的盈利能力。
4. 综合考虑以上三个因素，选取具有较高投资价值的股票。

有何风险？

1. 忽略了其他财务指标和公司基本面情况，可能选出财务状况不佳或公司基本面较差的股票。
2. 受市场因素和个股突发事件影响较大，若市场整体情况不好或个股突发不良情况可能会对选股策略产生较大的影响。
3. 忽略了公司成长性因素，可能忽略了一些有较强成长性、但PE低的股票。

如何优化？

1. 引入其他财务指标和公司基本面情况进行筛选，例如净利润、总资产等，确定具有良好财务状况和发展前景的股票。
2. 在确定流通盘、振幅和估值的基础上，结合行业前景和公司成长性，综合考虑股票的投资价值和风险。
3. 系统性地跟踪多方面情况，定期调整选股策略以适应市场不同的波动情况，避免市场变化和个股突发事件对选股策略产生较大的影响。

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、PE大于0。在考虑这三个因素的基础上，引入其他财务指标和公司基本面情况进行筛选，综合考虑股票的投资价值和风险，选出具有良好财务状况和成长前景、有一定盈利能力的股票。

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PE
pe = REF(PE_TTM, 1)
picks_pe = IF(pe > 0, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_pe
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PE
pe = df['pe']
picks_pe = df[pe > 0].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_pe))
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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)