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%、大单净量排行。
选股逻辑分析
选股逻辑主要是关注公司的盈利能力和市场稳定性，同时结合大单净量进行筛选，以期待收益与风险的平衡。通过股价的振荡以及机构资金的动向，结合公司的营收和盈利情况，选出一批具备潜在投资机会的股票，以较短周期操作来获取超额收益。
有何风险？
该选股策略可能低估或忽略其他基本面因素，并且基于大单净量排行需要考虑参与该股票的机构资产规模，极端情况下，可能存在机构资产规模减小使得筛选结果不准确的风险。
如何优化？
可以在基本面筛选条件的基础上，引入更多的技术指标进行筛选，如均线交叉、KDJ、MACD等指标，以更综合地评价股票走势和市场风险。另外，可以尝试选择相对容易量化的、更可靠的市场动量因子作为筛选条件，例如股价相对强势、阻力突破、涨势加速等指标。
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%、大单净量排行。
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;
/* 选择大单净量排行 */
CONDITION3 = SELECT_RANK('stock', DDL_JM, '5') <= 30;
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
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
# 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
# 大单净量排行
data_ddl = bs.query_history_capital_flow_data(code, "ddl_jm", start_date=time_str, end_date=time_str)
if data_ddl.error_code == '0' and len(data_ddl.data)>0:
ddl_zc_rank = data_ddl.get_column("ddl_jm_zc").index(max(data_ddl.get_column("ddl_jm_zc")))
ddl_zc = data_ddl.data[ddl_zc_rank][1]
ddl_jm_rank = data_ddl.get_column("ddl_jm").index(max(data_ddl.get_column("ddl_jm")))
ddl_jm = data_ddl.data[ddl_jm_rank][1]
check_point3 = True if ddl_jm>=ddl_zc else False
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(ddl_jm) # 大单净量排行
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'ddl_jm'])
df = df.sort_values(by='ddl_jm', 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。
