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、集中度70小于20%的股票。
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。集中度70小于20%可以筛选出流通性比较好的股票，同时也能够避免单个大股东的影响过大。
有何风险？
市场的变化可能导致选股条件不再适用，例如市场风格的变化，大盘风格的变化等情况。在实际应用中，需要注意股票的流通性是否足够。
如何优化？
可以增加其他指标作为选股条件，如市盈率、市净率等指标，以更加全面地评估公司。另外，在选取集中度指标时，可以根据实际情况调整阈值，比如20%可以调为15%或者10%，以达到更好的筛选效果。
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、集中度70小于20%的股票。
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
上市时间：
DATEDIFF(LISTDATE,TODAY)>365
集中度：
CIRCLE_MONEY/CIRC_MVEQ_TODAY < 0.2
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]
# 获取股票热度列表
stock_heat = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,name,list_date,list_status,list_date,industry,circ_mveq,circle_money')
stock_heat = stock_heat[stock_heat["circle_money"] / stock_heat["circ_mveq"] < 0.2]
stock_heat = stock_heat.sort_values(by=['circ_mveq'], ascending=False)
for code in stock_heat["ts_code"]:
if len(selected_stocks) >= n:
break
quote_info = pro.query('daily', ts_code=code, 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。
