问财量化选股策略逻辑
本选股策略选取振幅大于1，上市时间大于一定时长，且今年营收/三年前营收大于1.1的股票。本选股逻辑从股票价格波动、基本面等多方面筛选股票，旨在寻找有成长性的股票。
选股逻辑分析
本选股策略选取今年的营收和三年前的营收进行比较，以判断当前股票的成长性。同时，振幅大于1的股票相较于振幅小的股票更容易获得大量资金的关注；关注一定时长的上市时间，可以避免新上市股票波动过于不稳定的风险。通过选取满足以上条件的股票，可以选取有成长性的股票，有投资机会。
有何风险？
本选股策略存在以下风险。1. 忽视了企业基本面等因素对于股票的影响； 2. 营收增长并不一定代表股票的价值增长，可能存在其他风险或忽略的因素；3. 短时间内的交易活跃度不代表股票具有长期投资价值。
如何优化？
本选股策略可结合其他财务指标，如净利润、毛利率等数据，以全方面考虑股票的各个方面。同时可借助其他数据源如股票研究报告等，对选取的股票进行更全面的研究，提高筛选股票的准确性。
最终的选股逻辑
本选股策略选取满足以下条件的股票：振幅大于1，上市时间大于三年，且今年营收/三年前营收大于1.1的股票。同时结合其他财务指标以全方面考虑股票的各个方面。
同花顺指标公式代码参考
暂无
python代码参考
import tushare as ts
from datetime import datetime, timedelta
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,list_date,list_status,total_mv,circ_mv,npr')["ts_code"]:
if len(selected_stocks) >= n:
break
if code.startswith("688"):
continue
if code.startswith("60") and code[:6] != "600" and code[:6] != "601":
continue
df_income = pro.query('income', ts_code=code, start_date='20180101', end_date='20211231', fields='ts_code,ann_date,end_date,total_revenue').sort_values(by='end_date', ascending=False)
if len(df_income) < 4 or df_income.iloc[0]["total_revenue"] / df_income.iloc[-1]["total_revenue"] <= 1.1:
continue
df = pro.query('daily', ts_code=code, start_date=(datetime.today() - timedelta(days=2)).strftime('%Y%m%d'), end_date=datetime.today().strftime('%Y%m%d'))
if len(df) != 3 or df.iloc[0]["high"] < df.iloc[1]["high"] or df.iloc[0]["high"] < df.iloc[2]["high"]:
continue
if df.iloc[0]["amplitude"] <= 1:
continue
list_days = (datetime.today() - datetime.strptime(pro.query('stock_basic', ts_code=code, fields='list_date')["list_date"][0], '%Y%m%d')).days
if list_days < 1095:
continue
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
