聚宽策略-涨幅2%-7%、机构持股占流通股比例大于4%、昨日的（竞价量流通股本）＞0

问财量化选股策略逻辑

这个策略的核心思想是寻找机构资金重仓且当日股价有较大波动的股票。

1. 首先，该策略选择了日涨幅在2%-7%之间的股票，这是基于市场波动性考虑，一般来说，涨幅较大的股票可能存在一定的风险。
2. 其次，该策略要求机构持股占流通股比例大于4%，这说明机构资金相对较多，通常来说，这样的股票更容易受到机构的影响，有一定的投资价值。
3. 再者，该策略还设置了昨日的（竞价量/流通股本）大于0.01的要求，这表示昨日的交易活跃度较高，说明市场对该股票的关注度较高，有一定的上涨动力。

选股逻辑分析

以上三种逻辑的结合，可以筛选出机构资金重仓、今日表现活跃且具有上涨潜力的股票，这是一种较为全面和深入的选股方式。

有何风险？

虽然这个策略有一些优势，但也存在一些风险：

1. 成本问题：由于需要查看大量的数据，并进行复杂的计算，所以可能会增加投资者的成本。
2. 数据质量问题：如果数据源的质量不高，可能会导致结果不准确。
3. 策略失效：随着市场的变化，这个策略可能不再适用。

如何优化？

为了优化这个策略，可以尝试以下几种方法：

1. 使用更精确的数据源，比如使用公开的财务报告等。
2. 考虑更多的因素，比如公司的基本面、行业走势等。
3. 对数据进行更加细致的处理，比如剔除异常值、进行数据平滑等。

最终的选股逻辑

最终的选股逻辑可以总结为以下几个部分：

1. 每日涨幅在2%-7%之间；
2. 机构持股占流通股比例大于4%；
3. 昨日的（竞价量/流通股本）大于0.01；
4. 公司基本面良好，行业走势积极。

常见问题

1. 如何获取机构持股数据？
2. 如何获取竞价量和流通股本数据？
3. 如何获取公司的基本面和行业走势数据？

python代码参考

import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from sklearn.linear_model import LinearRegression

# 获取公司基本信息
df = pd.read_csv('company_info.csv')

# 获取机构持股数据
df['institution_shares'] = df['total_shares']

## 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？

    点击页面下方的复制按钮，复制到自己的账户即可使用模板进行回测。