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%，今日最低价小于昨日最低价。
选股逻辑分析
该选股逻辑结合了基本面和技术面，选股标准相对宽松，但考虑了股票的盈利能力和成长性及走势的变化。当然，尽管有一个比较宽松的范畴，仍然考虑了一定的风险。
有何风险？
此选股逻辑或许存在一定的时间差，绝大多数股票的价格波动往往有一定的滞后性，即走势并不能精准地回应业绩变化。而且，风险也不会因选股逻辑变得更加平衡。
如何优化？
可以采用更严格的标准，加入股票价值的衡量，如价格-收益比、价格-净资产比等等，同时，可以考虑技术面的重要性，如股票的走势线、均线等等指标。
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%，今日最低价小于昨日最低价。
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
/* 换手率在3%-12%之间 */
CONDITION1 = HSL >= 3.0 AND HSL <= 12.0;
/* 归属母公司股东净利润（同比增长率）大于20%，小于等于100% */
CONDITION2 = ZLRTB20 >= 20 AND ZLRTB20 <= 100;
/* 今日最低价小于昨日最低价 */
CONDITION3 = LLV(Low,1) > LLV(Low,2);
LAST_CONDITION = CONDITION1 AND CONDITION2 AND CONDITION3; // 最终选股逻辑
SET_RANK_BY_FIELD(3, 1, 1); // 按跌幅从大到小排序
CODE_LIST = SELECT_BY_KIND_EX('stock', last_condition, '', '', '', '', '', '', '', '1');
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 = []
for code in rs.get_row_data():
if not code.startswith('sh.') and not code.startswith('sz.'):
continue
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
if code.startswith('sh.110') or code.startswith('sz.110'):
continue
# 换手率3%-12%
k_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume", start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point1 = k_data.data[0][5]>=3 and k_data.data[0][5]<=12
else:
continue
# 年度利润增长率
profit_list = []
for i in range(6):
start_date = (datetime.now()-timedelta(days=1)).replace(year=datetime.now().year-i, month=12, day=31).strftime("%Y-%m-%d")
end_date = start_date
data_profit = bs.query_profit_data(code, year=datetime.now().year-i, quarter=4)
if data_profit.error_code == '0' and len(data_profit.data)>0:
if i == 0:
check_point2 = data_profit.data[0][16]>=20 and data_profit.data[0][16]<=100
profit_list.append(data_profit.data[0][16])
if len(profit_list) != 5:
continue
# 今日最低价小于昨日最低价
data_low = bs.query_history_k_data(code, "date,open,high,low,close,volume,amount,adjustflag,turn,tradestatus,pctChg,peTTM,pbMRQ,psTTM,pcfNcfTTM,isST", 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="3")
if data_low.error_code == '0' and len(data_low.data)>0:
if data_low.data[0][3] < data_low.data[1][3]:
check_point3 = True
else:
check_point3 = False
else:
continue
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(code)
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code'])
df_length = len(df)
if df_length > 0:
print(df.head(5))
##### 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。
