问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散、市值在100亿元以内且近年来未出现亏损的股票作为投资标的。
选股逻辑分析
本选股策略主要选取已经过去的股票利润情况，以及股票的市值作为筛选条件，同时还关注股票股价波动情况。本策略在选股时对公司基本面和股票技术指标都有综合考虑。选股策略的优点在于可以较好地筛选出有良好潜力的股票，缺点在于可能过于追求过去的业绩表现，对未来的表现可能不够具有预测性。
有何风险？
由于是以过去的业绩表现作为选股基础，同时基于市值范围筛选，可能过于追求股票短期内的市场表现，而未能关注到股票公司经营长期趋势，有可能在某些特定的市场状况下表现不佳。
如何优化？
可以考虑增加其他筛选条件作为选股标准，例如可以选择一些股息收益率较好的股票，或涨幅处于低位的股票。也可以适时调整市值范围的选择，或者改变近年亏损条件的设置。
最终的选股逻辑
本选股策略选取振幅大于1、今日均线向上发散、市值在100亿以内且近年来未出现亏损的股票作为投资标的。
同花顺指标公式代码参考
通达信指标公式代码：
//计算振幅
ACC = 100 * (HIGH - LOW) / REF(CLOSE, 1);
//计算均线的斜率
MA_SLOPE = MA(CLOSE, 1) / MA(CLOSE, 5) - 1;
//筛选出市值在100亿以内的股票代码
CODE = CAPITAL <= 100;
//综合条件
CONDITION = ACC > 1 AND MA_SLOPE > 0 AND CODE;
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sh'):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "code"])
# 循环所有的非60开头的股票
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'code'][0:2] == '60' or \
ts.get_stock_basics().loc[stock, 'code'][0] == '0':
continue
data = ts.get_hist_data(stock)
if data is None:
continue
if data["amplitude"][-1] < 1:
continue
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
continue
capital = ts.get_stock_basics().loc[stock, 'totals'] * data["close"].iloc[-1]
if capital > 10000:
continue
if ts.get_profit_data(stock).iloc[-1]['roe'] < 0:
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"code": stock
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sh'))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
