问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%之间，归属母公司股东的净利润（同比增长率）大于20%小于等于100%，昨日竞价换手率大于0.26。
选股逻辑分析
该选股策略在基础选股条件的基础上加入了昨日竞价换手率的判断，强调了股票流通性的重要性。该策略适合中短期持有股票，为寻找有短期上涨的机会提供了可能。
有何风险？
该选股策略的竞价换手率条件较为细节，依赖于当日的市场情况，可能会错过一些有潜力的优质股票。同时，该逻辑侧重于短期收益，对长期股价上涨的情况未做出明确的判断。
如何优化？
可以结合其他技术指标，如MACD、KDJ等作出更全面的技术分析，辅助判断股票走势，同时可以增加选股策略的时段，对选取的股票做出更长期的评价，提高策略的稳定性和准确性。
最终的选股逻辑
以股票历史价格走势为基础，选择换手率在3%-12%之间，归属母公司股东的净利润（同比增长率）大于20%小于等于100%，并且昨日竞价换手率大于0.26。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_NATUREDAY_RANGE_HH(10); // 配置指标参数
/* 选取换手率在3%-12%之间的股票 */
CONDITION0 = HSL>=3 AND HSL<=12;
/* 选取归属母公司股东净利润（同比增长率）大于20%小于等于100% */
CONDITION1 = ZLRTB20>=20 AND ZLRTB20<=100 ;
/* 选取昨日竞价换手率大于0.26的股票 */
CONDITION2 = ZJJHL>=0.26 AND LAST_CONDITION;
/* 组合选股条件 */
LAST_CONDITION =CONDITION0 AND CONDITION1 AND CONDITION2 AND LAST_CONDITION;
CODE_LIST=SELECT_BY_KIND('stock',last_condition);
python代码参考
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 #####
rs = bs.query_all_stock(day=datetime.now().strftime("%Y-%m-%d"))
stock_list = []
while rs.next():
stock_code = rs.get_row_data()[0]
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount,k",
start_date=(datetime.now()-timedelta(days=60)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data.error_code == '0' and len(k_data.data)>=60:
check_point1 = (k_data.data[-1][5]/10000) >= 3 and (k_data.data[-1][5]/10000) <= 12
data_profit = bs.query_profit_data(stock_code, year=2021, quarter=1)
if data_profit.error_code == '0' and len(data_profit.data)>0:
check_point2 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
k_data_pre = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount,k",
start_date=(datetime.now()-timedelta(days=2)).strftime("%Y-%m-%d"),
end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data_pre.error_code == '0' and len(k_data_pre.data) > 0:
check_point3 = (k_data_pre.data[-1][5]/10000) >= 0.26
if check_point1 and check_point2 and check_point3:
stock_list.append(stock_code)
df = pd.DataFrame(stock_list)
df_rank = df.sort_values(by="capital", ascending=False)
print(df_rank)
##### 登出系统 #####
bs.logout()
## 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。
