问财量化选股策略逻辑
本选股策略为：RSI指标小于65，归属母公司股东的净利润同比增长率大于20%小于等于100%，深证主板中股票的市盈率在0-29.01之间，市净率在0-3.11之间。适合寻找具有成长性、估值合理、风险较小的股票。
选股逻辑分析
在技术面方面，RSI指标小于65，意味着被筛选出的股票都处于相对弱势的状态，有上涨的潜力；在基本面方面，净利润同比增长率大于20%小于等于100%，代表股票的成长性较好。在估值方面，市盈率在0-29.01之间，市净率在0-3.11之间，代表着被筛选出的股票的估值相对合理。从而可以筛选出具有成长性、估值合理的股票。
有何风险？
在市盈率、市净率的筛选方面，有可能会忽略一些优质、估值过低的股票。此选股策略忽略了其他基本面和技术面指标，可能会忽略一些优质股票。
如何优化？
可以考虑引入其他基本面和技术面指标，如ROE、PEG等等，从不同角度综合考虑选股策略。此外，可以针对不同行业，增加针对性的筛选条件和指标，以更好地挖掘各行业的优质公司。
最终的选股逻辑
本选股逻辑为：RSI指标小于65，归属母公司股东的净利润同比增长率大于20%小于等于100%，深证主板中股票的市盈率在0-29.01之间，市净率在0-3.11之间。
同花顺指标公式代码参考
// 筛选深证主板中市盈率在0-29.01和市净率在0-3.11之间的A股，非ST
SELECT S_INFO_WINDCODE, STK_DISP_NAME
FROM ASHAREDESCRIPTION, LC_STK_GENERAL_INFO
WHERE S_INFO_EXCHMARKET = 'SZSE'
AND S_INFO_LISTEDSTATE = '上市'
AND S_INFO_LASTTRADEDATE IS NULL
AND S_INFO_ST_FLAG = '否'
AND S_DQ_TRADESTATUS <> '停牌'
AND S_DQ_MAXUPORDOWN <> 1
AND S_INFO_WINDCODE = LC_STK_GENERAL_INFO.S_INFO_WINDCODE
AND S_INFO_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHAREINCOME
WHERE S_FA_YEAR = YEAR(CURRENT_DATE)
AND S_FA_REPORT_TYPE = 'A'
AND S_FA_PROFIT_PARENT_COMPANY > 0
AND S_FA_PROFIT_PARENT_COMPANY / LAG(S_FA_PROFIT_PARENT_COMPANY, 3) > 1
AND S_FA_PROFIT_PARENT_COMPANY / LAG(S_FA_PROFIT_PARENT_COMPANY, 3) <= 2
AND S_INFO_SECTOR NOT IN ('银行', '多元金融', '地产', '保险')
AND S_FA_BASIC_EPS_TTM > 0
AND S_FA_NET_PROFIT_INCL_MIN_INT_INC_TTM > 0
AND S_FA_PCF_OCFTTM > 0
AND S_FA_PE_TTM >= 0
AND S_FA_PE_TTM <= 29.01
AND S_FA_PB_MRQ >= 0
AND S_FA_PB_MRQ <= 3.11
)
ORDER BY S_DQ_AMOUNT_TODAY DESC
Python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
import talib
# 选股函数
def stock_picking(data):
# 计算RSI指标
rsi = talib.RSI(data['close'], timeperiod=14)
# 筛选A股、非ST，市盈率、市净率在0-29.01、0-3.11之间
stock_list = ts.get_stock_basics().index.tolist()
suspended_list = ts.get_suspended().index.tolist()
st_list = ts.get_st_classified().index.tolist()
stock_list = list(set(stock_list) - set(suspended_list) - set(st_list))
non_fin_real_est_ins_list = ts.get_industry_classified().loc[ts.get_industry_classified().isin(['银行', '多元金融', '地产', '保险'])['c_name'] == False].index.tolist()
pe_range = (0, 29.01)
pb_range = (0, 3.11)
stock_pe = ts.get_stock_basics().loc[stock_list]['pe']
stock_pb = ts.get_stock_basics().loc[stock_list]['pb']
filter_cond = (stock_pe >= pe_range[0]) & (stock_pe <= pe_range[1]) & (stock_pb >= pb_range[0]) & (stock_pb <= pb_range[1]) & (ts.get_stock_basics().loc[stock_list]['c_name'].isin(non_fin_real_est_ins_list))
stock_list = list(set(stock_list) & set(filter_cond.index[filter_cond].tolist()))
# 计算归属母公司股东的净利润同比增长率
data['net_profits_growth'] = data['net_profits'].pct_change()
# 筛选满足条件的股票
filter_cond = (rsi < 65) & (data['net_profits_growth'] > 0.2) & (data['net_profits_growth'] <= 1)
# 按个股热度从大到小排序
stock_list = data[filter_cond].groupby(level=0).sum().sort_values('amount', ascending=False).index.tolist()
return stock_list
## 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。
