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%、9点25分涨幅小于6%。
选股逻辑分析
选股逻辑中继续加入了选股时间点的涨幅因素，即9点25分涨幅小于6%作为筛选条件，与基本面和市场稳定性因素结合起来，综合考虑股票的估值、成长性和流动性，是一种比较综合、相对稳健的选股策略，更适合追求稳定长期回报的投资者。
有何风险？
这一策略中可能存在选股时间点涨幅因素的短期波动性风险，同时基本面和市场稳定性因素的筛选条件可能对不同行业或公司的适用性有所不同，具体的筛选结果也需要根据个人风险偏好、投资周期和风险控制能力进行综合评估。
如何优化？
可以进一步考虑引入更多的财务指标、技术指标和基本面指标，以提高筛选准确性和综合评估指标，另外还可以结合不同行业、公司和市场情况进行针对性的优化和调整。
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%、9点25分涨幅小于6%。
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
/* 选择换手率在3%-12%之间 */
CONDITION1 = HSL>=3.0 AND HSL<=12.0;
/* 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% */
CONDITION2 = ZLRTB20>=20.0 AND ZLRTB20<=100.0;
/* 9点25分的涨幅小于6% */
CONDITION3 = ABS(CURRENT/(PRECLOSE*1.0)-1)<6;
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_EX('stock', last_condition, '', '', '', '', '', '', '', '1');
python代码参考
import baostock as bs
import pandas as pd
import time
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 #####
rs = bs.query_all_stock(day=time.strftime("%Y-%m-%d", time.localtime()))
stock_list = []
for i in range(2):
if i == 0:
time_str = time.strftime("%Y-%m-%d", time.localtime())
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
# 换手率3%-12%
k_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume", start_date=time_str, end_date=time_str, 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
# 利润增长率大于20%，小于等于100%
data_profit = bs.query_profit_data(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
# 9点25分的涨幅小于6%
data_cur = bs.query_history_k_data_plus(code, "date,open,high,low,close", start_date=time_str, end_date=time_str, frequency="5")
if data_cur.error_code == '0' and len(data_cur.data)>0:
current_price = data_cur.data[-1][4]
pre_close_price = data_cur.data[-2][4]
check_point3 = abs(current_price/pre_close_price - 1) < 0.06
else:
continue
# 筛选出符合条件的股票
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(code)
data_list.append(k_data.data[0][5]) # 换手率
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'hsl'])
df = df.sort_values(by='hsl', ascending=False)
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。
