问财量化选股策略逻辑
选股逻辑为：选择换手率在3%~12%、买一量大于卖一量，并且2021年营收/2018年营收大于1.1的股票。
选股逻辑分析
该选股逻辑主要考虑了股票的营收增长情况及股票的流通性，以营收增长作为选股指标可以选出增长潜力较大的股票，同时买一量大于卖一量说明市场买盘相对于卖盘更强，股票流通性更好；同时，相对稳定的换手率也说明市场流动性较好。
有何风险？
该选股逻辑过于侧重于营收增长的指标，没有考虑其他的因素，如行业和公司基本面的情况等，可能会选出不稳定的股票，风险较高。
如何优化？
可以结合其他技术指标如RSI、MACD等进行进一步判断，同时加入对行业和公司基本面的筛选条件。
最终的选股逻辑
选择换手率在3%~12%、买一量大于卖一量，并且2021年营收/2018年营收大于1.1的股票。
同花顺指标公式代码参考
买一量大于卖一量：SELECT(BIDV1>ASKV1)
换手率在3%~12%：SELECT(TURN<N>AVG(TURN,N) AND TURN<N>3 AND TURN<N<12)
2021年营收/2018年营收大于1.1：SELECT(REVS_TTM[1]/REVS_TTM[4]>1.1)
非科创板：SELECT(CODE AND INDUSTRY NOT LIKE '科创板%')
选股：SELECT(CODE AND 买一量大于卖一量 AND 换手率在3%~12% AND 2021年营收/2018年营收大于1.1 AND 非科创板)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂买一量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 查询换手率在3%-12%的股票
daily_df = pro.daily(ts_code='', start_date='20220421', end_date='20220422', fields='ts_code,turnover_rate')
df2 = daily_df[(daily_df['turnover_rate'] >= 3) & (daily_df['turnover_rate'] <= 12)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
# 查询2021年营收/2018年营收大于1.1的股票
finance_df = pro.fina_indicator(ts_code='', start_date='20190101', end_date='20211231', fields='ts_code,end_date,revs')
finance_df = finance_df.pivot(index='ts_code', columns='end_date', values='revs')
finance_df = finance_df[[col for col in finance_df.columns if col.year in [2018, 2021]]]
df2 = finance_df[(finance_df.iloc[:,1]/finance_df.iloc[:,0] > 1.1)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
# 过滤科创板股票
df2 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry')
df2 = df2[(df2['industry'].str.contains('科创板') == False)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
return df1['ts_code']
## 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。
