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%，10日涨幅大于0小于35%的股票。
选股逻辑分析
该选股逻辑基于前一题的基础上添加了一个新的涨幅筛选条件，更加注重市场情绪的影响。同时，该逻辑考虑了公司基本面和市场情绪因素，选股标准比较全面，具备一定可实施性。
有何风险？
该选股逻辑中依然存在一定的主观性和不确定性，不能完全准确预测股票的涨跌。此外，该逻辑倾向于选择回报较为稳定的股票，可能会错过某些高风险、高潜力的股票。
如何优化？
可以进一步加入国家政策、行业景气等因素，以全面评价股票价值，从全局上考虑买卖时机。同时可以根据特定股票的基本面和市场情绪因素，对指标进行个性化调整，更加贴合实际情况。
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%，10日涨幅大于0小于35%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
/* 选择换手率在3%-12%之间 */
CONDITION1 = HSL >= 3.0 AND HSL <= 12.0;
/* 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;
/* 10日涨幅大于0小于35% */
CONDITION3 = RZF10 >= 0 AND RZF10 <= 35;
LAST_CONDITION = CONDITION1 AND CONDITION2 AND CONDITION3; // 最终选股逻辑
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
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
# 换手率3%-12%
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
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
# 10日涨幅大于0小于35%
rs_rate = bs.query_history_k_data_plus(code, "date,close", frequency="d", adjustflag="1", \
start_date=(datetime.now()-timedelta(days=10)).strftime("%Y-%m-%d"), \
end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d")).get_row_data()
if len(rs_rate) == 0:
continue
check_point3 = float(rs_rate[-1][1])/float(rs_rate[0][1])-1 >= 0 and float(rs_rate[-1][1])/float(rs_rate[0][1])-1 <= 0.35
# 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(float(rs_rate[-1][1])/float(rs_rate[0][1])-1) # 10日涨幅
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'rzf10'])
df = df.sort_values(by='rzf10', 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。
