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、近25个交易日中有单日涨幅大于等于百分之10。此策略旨在挑选出波动较大、规模适中、并且具有一定的成长性的股票，以此进行投资。
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；
- 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；
- 近25个交易日中有单日涨幅大于等于百分之10，则该股票可能存在较强的上涨趋势和增长潜力。
有何风险？
- 该策略可能会选择出现过大波动和突然上涨的股票，可能存在风险；
- 选股逻辑过于简化，忽略了股票的基本面和行业背景等因素，存在偏差。
如何优化？
- 结合基本面和行业背景因素等指标，制定更加准确的选股策略，减少选股误判的可能；
- 定期检查和调整选股逻辑，以适应市场环境的不断变化；
- 选股结果的多次验证，以避免数据的偏差影响最终的结果。
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、近25个交易日中有单日涨幅大于等于百分之10。在此基础上，建议结合更多指标，如市盈率、市净率、资产负债率等，综合分析，制定科学、准确的选股策略，进行投资。
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25个交易日中单日涨幅大于10%的股票
df_25 = REF(CLOSE, 24)
pct_change = 100 * (close - df_25) / df_25
picks_pct_change = IF(pct_change >= 10, 1, 0)
# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_pct_change
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25个交易日中单日涨幅大于10%的股票
df_25 = df['close'].shift(24)
pct_change = 100 * (close - df_25) / df_25
picks_pct_change = pct_change[pct_change >= 10].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_pct_change))
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。
