总觉得大盘股涨得慢，想赚「小市值股票」的超额收益，但又怕踩雷？其实小市值不是「乱买」，而是有成熟的量化策略框架 ——10 万资金开通的 QMT 专业版，能精准筛选「高流动性小市值股」，避开 ST、业绩暴雷标的，还能通过分散持仓控制风险，亲测年化能到 15%+，比单纯买大盘 ETF 香多了。

很多人玩小市值亏了，要么是「只看市值不看流动性」，要么是「重仓一只踩雷」，今天就拆解「高流动性小市值量化策略」，核心逻辑、筛选标准、QMT 代码、避坑铁律，全是实战总结的干货，10 万资金就能安全玩转小市值。

一、小市值量化策略核心逻辑：只赚「有流动性的小市值红利」

A 股的「小市值红利」真实存在，但要满足 2 个前提：

1. 市值要「小但不微型」：选流通市值 50-100 亿的标的（不是 10 亿以下），10 亿以下的微型股流动性差，10 万资金买进去可能卖不出来；
2. 流动性要达标：日均成交额 > 2 亿，确保买卖不卡单，这是 10 万资金的核心安全线；
3. 剔除风险标的：ST、*ST、近 1 年业绩亏损的全剔除，避免踩雷。

交易规则：

• 每月初筛选：流通市值 50-100 亿 + 日均成交额 > 2 亿 + 非 ST / 非亏损，选前 10 只；
• 买入：等权配置，每只标的 10% 仓位（10 万资金≈每只 1 万）；
• 调仓：每月末重新筛选，剔除不符合条件的标的，替换新标的；
• 止盈止损：单只标的涨超 20% 止盈，跌超 10% 止损。

为啥是 50-100 亿？这个区间的股票既有小市值的「弹性」（涨得快），又没有微型股的「流动性风险」，刚好适配 10 万资金的操作。

二、工具适配：必须选 QMT，10 万专业版的「筛选优势」

小市值策略需要「精准筛选 + 快速成交」，QMT 比 PTRADE 更适配：

• QMT 筛选速度快：本地运行能快速遍历全市场小市值股，筛选出符合条件的标的，PTRADE 云端筛选有延迟；
• 成交速度有保障：小市值股波动快，QMT 的极速交易通道能避免「挂单后价格飞了」；
• 风险控制更细：QMT 能实时监控标的的 ST 风险、业绩预告，触发条件自动卖出，比手动盯盘快。

10 万资金开通的 QMT 专业版，完全能支撑 10 只小市值标的的筛选和交易，不用升级更高权限。

三、QMT 核心代码框架（Python）

代码聚焦「市值筛选 + 流动性过滤 + 风险剔除 + 仓位控制」，新手改「市值区间」即可：

# 初始化函数

def init(context):
   context.small_cap_pool =[] # 小市值筛选参数
   context.min_cap =50e8 # 50亿流通市值（元）
   context.max_cap =100e8 # 100亿流通市值（元）
   context.min_volume =2e8 # 日均成交额2亿（元）# 每月初调仓（1号收盘前）
   run_monthly(rebalance, monthday=1, time='14:30')

# 每月调仓函数

def rebalance(context, bar_dict):

# 1. 获取全市场A股，剔除ST/创业板注册制未盈利标的
   all_stocks = get_all_securities(['stock'], date=context.now)

# 过滤ST/*ST
   all_stocks =[s for s in all_stocks ifnot s.endswith(('ST','*ST'))]

qualified_stocks =[]for stock in all_stocks:

# 2. 获取流通市值
       cap = get_financials(stock,'circulating_market_cap', context.now)

# 3. 获取日均成交额（近20日）
       volume_data = get_bars(stock,20,'1d','volume', skip_suspended=True)
       avg_volume = volume_data['volume'].mean()* get_price(stock)['close'][-1]

# 4. 获取业绩：近1年净利润为正
       profit = get_financials(stock,'net_profit', context.now)

# 5. 筛选条件

if(context.min_cap <= cap <= context.max_cap)and(avg_volume >= context.min_volume)and(profit >0):
           qualified_stocks.append(stock)

# 6. 选前10只，等权配置
   context.small_cap_pool = qualified_stocks[:10]

   for stock in context.small_cap_pool:
       order_target_percent(stock,0.1)  # 每只10%仓位

# 7. 卖出不符合条件的旧标的

for hold_stock in get_positions():

if hold_stock notin context.small_cap_pool:
           order_target_percent(hold_stock,0)

# 每日止盈止损

def handle_bar(context, bar_dict):

for stock in get_positions():
       cost = get_position(stock).avg_cost
       current_price = bar_dict[stock].close
       # 涨20%止盈

if(current_price - cost)/ cost >0.2:
           order_target_percent(stock,0)
           log.info(f"{stock}涨超20%，止盈卖出")

# 跌10%止损

elif(current_price - cost)/ cost <-0.1:
           order_target_percent(stock,0)
           log.info(f"{stock}跌超10%，止损卖出")

四、10 万资金避坑铁律：5 条规则必须遵守

小市值策略的风险主要在「踩雷」和「流动性」，10 万资金必须遵守这 5 条铁律：

1. 绝对不重仓：单只标的最多 10% 仓位，10 万资金分 10 只，就算一只踩雷，最多亏 1 万，不影响整体；
2. 不碰 10 亿以下微型股：无论涨得多好，10 亿以下的坚决不选，10 万资金买进去可能「卖不出」；
3. 每月必调仓：小市值股票的流动性 / 业绩变化快，每月调仓能及时剔除风险标的；
4. 避开退市新规标的：近 1 年净利润为负 + 营收低于 1 亿的，直接剔除，这是 A 股退市的核心指标；
5. 行情极端时停手：大盘暴跌超 3% 的月份，暂停买入小市值股，小市值在熊市里跌得比大盘狠。

五、策略优化：跑稳后再升级

基础版跑 6 个月稳定后，可优化：

1. 加入动量因子：筛选「近 1 个月涨跌幅 0-10%」的小市值股，避开已经暴涨的标的；
2. 行业分散：10 只标的来自不同行业，避免单行业政策利空拖累；
3. 市值动态调整：牛市把市值上限调到 150 亿（弹性更大），熊市调到 80 亿（更稳健）。

最后想说

小市值不是「赌博」，而是「精准筛选 + 分散持仓 + 严格纪律」的量化策略。10 万资金开通的 QMT，刚好能帮你实现这些要求 —— 避开雷区、分散风险、及时调仓，赚小市值的超额收益。