问财量化选股策略逻辑
本选股策略在日线上选取以下股票：振幅大于1、500日内至少2次涨停，集中度不超过70%且大于20%的股票。
选股逻辑分析
本选股策略主要是选取了振幅和涨停次数进行筛选，并加上集中度筛选条件。集中度是指广义市场中最大个股占比，过高的集中度往往预示着风险较高的市场环境。通过控制集中度，可以规避市场风险，同时选择较为分散的市场。具体的集中度阈值可以根据市场情况进行调整。
有何风险？
选股策略可能会忽略几只优质龙头股，导致错过上涨机会。同时，集中度指标不同行业之间的差异很大，需要针对不同行业进行分析。
如何优化？
集中度阈值的确定需要考虑行业特征、股票份额分布等因素，同时需要根据市场环境进行灵活调整。对于不同行业的股票，需要分别定义合理的集中度指标，并使用分析工具进行验证和调整。
最终的选股逻辑
选取振幅大于1和500日内至少2次涨停，并且集中度不超过70%且大于20%的股票。
同花顺指标公式代码参考
本选股策略无需使用同花顺指标公式。
python代码参考
import tushare as ts
# 定义需要筛选的企业类型
property_list = ['证券', '银行', '保险']
# 定义振幅和涨停次数筛选条件
amplitude_filter = 0.01
rise_stop_filter = 2
# 定义集中度筛选条件
major_percent_min = 0.2
major_percent_max = 0.7
# 获取基本面数据
data = ts.get_stock_basics()
# 筛选振幅满足条件的股票
selected_stocks = data[(data['high'] - data['low']) / data['close'] >= amplitude_filter]
# 筛选涨停次数满足条件的股票
selected_stocks = selected_stocks[(selected_stocks['high'] / selected_stocks['low'].shift(1) > 1.099).rolling(500).sum() >= rise_stop_filter]
# 筛选集中度满足条件的股票
selected_stocks = selected_stocks[(selected_stocks['major_holders'].map(lambda x: float(x.split('%')[0]) / 100. < major_percent_max)) & (selected_stocks['major_holders'].map(lambda x: float(x.split('%')[0]) / 100. > major_percent_min))]
# 输出选中的股票
print(selected_stocks.index.tolist())
以上代码仅供参考，具体实现方法可以根据投资者需要和市场情况进行调整。
## 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。
