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%的股票，并按个股热度从大到小排序。
选股逻辑分析
该选股策略综合了基本面和市场情绪方面的考虑。换手率的限制可以筛选出相对稳定市值范围内的股票。净利润的要求可以反映公司经营状况的好坏。同时，按照个股热度排序可以更多考虑市场情绪的因素。这一组合可以较全面地考虑股票的基本面和市场情绪，从而挖掘具有较高投资价值的标的。
有何风险？
同样存在一定的局限性，例如会过于关注前期表现良好的个股而可能忽略实际业务表现。同时，直接按照热度排序也可能会遇到主力资金操纵、个股过热等情况，导致选股效果下降。此外，只考虑单一的基本面指标也可能无法充分反映公司的实际业务状况。
如何优化？
可以将基本面和市场情绪的考虑结合在一起，例如增加其他财务指标、行业分类等条件，同时加入技术指标等方面，以获得更全面、系统的选股结果。此外，可以考虑增加风控管理，例如设立止损点、严格控制仓位等，以降低风险。
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%的股票，并按个股热度从大到小排序。
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
/* 剔除创业板股票 */
CONDITION1 = CODE NOT LIKE 'sz.300%';
/* 选择换手率在3%-12%之间 */
CONDITION2 = HSL >= 3 AND HSL <= 12;
/* 选择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;
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3;
SET_RANK_BY_FIELD(4, 1, 1); // 按热度从大到小排序
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 = []
for i in range(2):
if i == 0:
time_str = datetime.now().strftime("%Y-%m-%d")
else:
time_str = (datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d")
for code in rs.get_row_data():
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
data_profit = bs.query_profit_data(code, year=2021, quarter=1)
if data_profit.error_code == '0' and len(data_profit.data)>0:
check_point1 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
else:
continue
k_data = bs.query_history_k_data(code, "date,open,high,low,close,peTTM", start_date=time_str, end_date=time_str, frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point2 = k_data.data[0][6] > 0 and k_data.data[0][5] > 0 and k_data.data[0][6] < 100
else:
continue
if check_point1 and check_point2:
data_list = []
data_list.append(code)
data_list.append(k_data.data[0][5]) # peTTM
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'PE_TTM'])
df = df.sort_values(by='PE_TTM', ascending=True)
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。
