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、今日上涨幅度大于1%（比较同板块的股票涨幅）、属于饮料酒进出口行业的股票。
选股逻辑分析
该选股逻辑选出的是某一特定行业中，具有较好涨幅和成交量的股票。同时，在行业趋势较为明朗时，该选股逻辑可以更好地挑选出领涨股票。
有何风险？
由于该选股逻辑较为狭窄，仅选择饮料酒进出口的股票，容易忽略其他行业中一些特殊情况的影响，如出现了某些行业的政策变化、公司特殊情况等因素。
如何优化？
可以将选股逻辑中的行业范围进行扩大，适当选择同类行业，以免盲目关注某一行业而失去其他优质股票的机会。同时，建议适时对股票进行止损，以减少操作风险。
最终的选股逻辑
选择换手率在3%-12%之间、今日上涨幅度大于1%（比较同板块的股票涨幅）、属于饮料酒进出口及同类行业的股票。
同花顺指标公式代码参考
SET_GROUP(1);
/* 换手率 3%-12% */
HSL>=3 AND HSL<=12;
/* 今日涨幅 > 1% */
XTBG=FETCH(CLOSE,TODAY,1)/FETCH(CLOSE,TODAY-1,1)-1;
XTBG>1% AND XTBG<100;
/* 饮料酒进出口及同类行业 */
HY1=FETCH(NAME,HY);
HY2 = "饮料酒进出口";
HY3 = "";
HY2 = MID(HY, 1, CHARINDEX(",", HY)-1);
HY5 = HYPY(HY2);
HY4 = HY2 + IF(HY5=HY2, "", ","+HY5);
HY = MATCH(HY2,HY)||MATCH(HY3,HY)||MATCH(HY4,HY);
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
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
index_rs = bs.query_history_k_data_plus('sh.000001', 'close', 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 index_rs.error_code == '0' and len(index_rs.data)>0:
index_close = float(index_rs.data[0][0])
else:
continue
k_data_compare = bs.query_history_k_data_plus(code, "date,close", 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_compare.error_code == '0' and len(k_data_compare.data)>0:
check_point2 = k_data_compare.data[0][1]/index_close-1 > 0.01
else:
continue
code_name = bs.query_stock_industry(code)[0][2]
hy_compare = bs.query_stock_industry("sh.000001")[0][2]
if hy_compare not in ["饮料酒", "进出口"]:
hy_compare = hy_compare.split("-")[0]
hy_list = hy_compare.split("-") + ["饮料酒", "进出口"]
check_point3 = False
for hy in hy_list:
if hy in code_name:
check_point3 = True
break
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)
##### 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。
