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%并按今日竞价金额排序前5的股票。
选股逻辑分析
该选股策略主要考虑了股票的流动性和基本面情况，并且要求选出的股票按照竞价金额排序后前5，更加注重市场资金的活跃程度。
有何风险？
该选股策略过度依赖当日竞价金额，并且忽略了其他市场因素的影响，可能存在选出的股票在随后市场变动中表现不佳、风险逐渐增加的情况。
如何优化？
可以结合其他技术面和基本面指标进行综合分析选股，加强数据支持和信息收集，应该更加注重公司的长期业绩和成长性。
最终的选股逻辑
在满足换手率在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%并竞价金额排序前5的股票。
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); // 按竞价金额由小到大排序
SET_SORT_ASC(1); // 正序排列
/* 选取换手率在3%-12%之间 */
CONDITION1 = 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% */
CONDITION2 = ZLRTB20 >= 20 AND ZLRTB20 <= 100;
/* 按竞价金额排序前5 */
LAST_CONDITION = LAST_CONDITION AND RANK(5, JJJ);
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]
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)>=250:
check_point1 = k_data.data[-1][5] >= 3 and k_data.data[-1][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
quote_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount,adjustflag",
start_date=datetime.now().strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if quote_data.error_code == '0' and len(quote_data.data)>0:
check_point3 = quote_data.data[0][6]
else:
continue
if check_point1 and check_point2:
stock_list.append([stock_code, check_point3])
df = pd.DataFrame(stock_list, columns=['code', 'amount'])
df_rank = df.sort_values(by="amount", ascending=True).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。
