问财量化选股策略逻辑
选股逻辑：在换手率3%到12%、外盘/内盘大于1.3、归属母公司股东的净利润(同比增长率)大于20%小于等于100%的基础上，选择股票进行投资。
选股逻辑分析
该选股策略除了考虑市场的流动性和情绪特征外，还额外考虑了公司盈利能力。选择近期盈利能力较好、市场反应一般的股票，以期待市场对其盈利能力的“再评价”。
有何风险？
该选股策略可能忽略了一些财务数据表现良好但市场反应一般的股票，也有可能出现财务造假等恶意手段影响选股结果的情况。
如何优化？
可以将该选股策略进一步优化，例如考虑净利润增长的稳定性、同行业公司的比较等多方面因素，综合考虑选股的精度。
最终的选股逻辑
在换手率3%到12%、外盘/内盘大于1.3、归属母公司股东的净利润(同比增长率)大于20%小于等于100%的基础上，结合其他财务指标和行业情况进行综合筛选。
同花顺指标公式代码参考
以下是同花顺指标所需公式：
选股公式：
SELECT cs.symbol AS code
FROM
(SELECT symbol
FROM stock_industry AS si
WHERE industry_name LIKE 'xxx'
) AS cs
INNER JOIN
(SELECT stock_code
FROM csn_balance_sheet
WHERE net_profit_attributed_to_parent_company_owners_YOY > 20
AND net_profit_attributed_to_parent_company_owners_YOY <= 100
) AS k
ON cs.symbol = k.stock_code
INNER JOIN
(SELECT stock_code FROM csn_assets_analysis WHERE turnover_rate >=3 AND turnover_rate <=12 AND outside_volume / inside_volume > 1.3) AS j
ON j.stock_code = k.stock_code;
Python代码参考
以下是 Python 代码实现该选股策略：
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame, industry: str, n: int) -> List[str]:
selected_stocks = []
industry_df = data[data['industry_name'] == industry]
for code, df in industry_df.groupby(level=0):
if ((df['volume'].iloc[-1] / df['volume'].iloc[-6:-1].mean() > 3) and \
(df['turnover_rate'].iloc[-1] > 3) and \
(df['turnover_rate'].iloc[-1] < 12) and \
(df['outside_volume'].iloc[-1] / df['inside_volume'].iloc[-1] > 1.3) and \
(df['net_profit_attributed_to_parent_company_owners_YOY'].iloc[-1] > 20) and \
(df['net_profit_attributed_to_parent_company_owners_YOY'].iloc[-1] <= 100)):
s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
selected_stocks.append((code, s_weight))
selected_stocks.sort(key=lambda x: x[1], reverse=True)
selected_stocks = selected_stocks[:n]
return [x[0] for x in selected_stocks]
## 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。
