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%、且（昨日换手率*（今日竞价成交量/昨日成交量））大于0.5小于2的股票。
选股逻辑分析
该选股策略在基本面的选择上加入了对竞价成交量的考虑，更综合的考虑了当前股票的流动性。同时，仍然考虑了公司的财务面数据，保持了长期投资的价值考量。
有何风险？
该选股策略仍然存在较大的市场风险和波动因素的忽略，同时成交量无法准确反映股票的流动性，该指标的使用有一定的主观性。选取的基本面数据也存在缺陷，可能无法准确反映公司的财务状况。
如何优化？
可以继续加入更多的财务指标和行业因素来综合考虑公司的基本面状况；同时，可以加入其他技术指标，如RSI等，来增加短期的风险控制。在成交量和流动性方面，可以综合考虑其他指标，如振幅，来获取更全面的信息，并加强对指标的权重分配。
最终的选股逻辑
选择换手率在3%-12%之间，归属母公司股东净利润（同比增长率）大于20%小于等于100%，且（昨日换手率*（今日竞价成交量/昨日成交量））大于0.5小于2的股票（前5名）。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_MEM_LINE(0,1,2,3,4); // 记录选股结果
SET_SORT_RULE(1); // 按市值从大到小排序
SET_SORT_ASC(0); // 降序排列
/* 剔除创业板股票 */
CONDITION1 = CODE NOT LIKE 'sz.300%';
/* 选取换手率在3%-12%之间 */
CONDITION2 = 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% */
CONDITION3 = ZLRTB20 >= 20 AND ZLRTB20 <= 100;
/* 选取昨日换手率*（今日竞价成交量/昨日成交量）>0.5<2 */
CONDITION4 = HSL*JJCJ/HSCJ > 0.5 AND HSL*JJCJ/HSCJ < 2;
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3 AND CONDITION4;
CODE_LIST=SELECT_BY_KIND('stock', last_condition);
python代码参考
import baostock as bs
import pandas as pd
#### 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]
if stock_code.startswith('sh.688') or stock_code.startswith('sz.300'):
continue
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,tradestatus,pctChg",
start_date=(datetime.now()-timedelta(days=250)).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)>=2:
check_point1 = k_data.data[-2][5] >= 3 and k_data.data[-2][5] <= 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
else:
continue
check_point3 = k_data.data[-1][5] * float(k_data.data[-1][6])/float(k_data.data[-2][6]) > 0.5 and \
k_data.data[-1][5] * float(k_data.data[-1][6])/float(k_data.data[-2][6]) < 2
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(stock_code)
data_list.append(data_profit.data[0][37])
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'market_value'])
df_rank = df.sort_values(by="market_value", ascending=False).iloc[:5]
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。
