问财量化选股策略逻辑
本选股策略选取振幅大于1、上市时间大于一年的股票，按照个股热度从大到小排序，并选取排名前n个。
选股逻辑分析
选择振幅大于1可以筛选出市场活跃性较强的股票，上市时间大于一年可以筛选出稳定的股票。按照个股热度排序，可以筛选出市场关注度较高的股票，有助于挖掘市场热点。
有何风险？
本选股策略排除了一些大盘蓝筹股，可能会忽略部分公司基本面良好的标的，同时排名与市场情况有关，具有一定的时效性。
如何优化？
可以结合基本面、资金流向等综合考虑，同时可以加入技术指标，如均线、MACD等，来增强选股策略的效果，应及时更新排名。
最终的选股逻辑
本选股策略选取振幅大于1、上市时间大于一年的股票，按照个股热度从大到小排序，并选取排名前n个。
同花顺指标公式代码参考
振幅：
VAR1:=(ABS(CLOSE-REF(CLOSE,1))/REF(CLOSE,1))*100;
VAR1>1
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
start_date = (pro.trade_cal(exchange='', is_open='1', end_date=today, fields='cal_date'))["cal_date"].values[-500]
# 获取股票热度列表
stock_heat = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,list_date,list_status,list_date')
stock_heat['heat'] = stock_heat['list_date'].apply(lambda x: today-x).astype(int)
stock_heat = stock_heat.sort_values(by=['heat'], ascending=False)
for code in stock_heat["ts_code"]:
if len(selected_stocks) >= n:
break
quote_info = pro.query('daily', ts_code=code, start_date=start_date, end_date=today, fields='close,vol,high,low,amount')
if len(quote_info) == 0:
continue
amplitude = abs(quote_info["close"].iloc[-1] - quote_info["close"].iloc[-2]) / quote_info["close"].iloc[-2]
if amplitude < 0.01:
continue
if code.startswith("ST"):
continue
selected_stocks.append(code)
if len(selected_stocks) >= n:
break
return selected_stocks
## 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。
