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%，底部抬高。
选股逻辑分析
底部抬高指股票价格在底部震荡后出现上涨，具有较强的反转信号。该选股逻辑在前一题选股逻辑的基础上增加对股价走势的考虑，尝试从不同角度全面挖掘股票潜力。
有何风险？
底部抬高只是股价趋势分析中的一个因素，选股逻辑定位过于突出会导致盲目追求股价上涨的可能性。同时，底部抬高的判断方式具有主观性，可能存在误差。
如何优化？
在保证原有条件下，结合其他趋势判断指标，例如趋势线、平滑移动平均线等，全面考虑股票价格变化情况，提高选股逻辑的准确率。
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%，底部抬高。
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;
/* 底部抬高 */
CV = CLOSE*(1-V/100); //计算底部抬高的区间
C1V=REF(CV,1); //取前一周期底部抬高的区间
C2V=REF(CV,2); //取前二周期底部抬高的区间
C3V=REF(CV,3); //取前三周期底部抬高的区间
C4V=REF(CV,4); //取前四周期底部抬高的区间
Bottom = (LOW<C1V AND LOW<C2V AND LOW<C3V AND LOW<C4V AND LOW<LOW[1] AND LOW<LOW[2] AND LOW<LOW[3] AND LOW<LOW[4]); // 判断是否底部抬高
LAST_CONDITION = CONDITION1 AND CONDITION2 AND Bottom; // 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
if code.startswith('sh.110') or code.startswith('sz.110'):
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
# 底部抬高
k_data_bottom = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume", start_date=(datetime.now()-timedelta(days=6)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d", adjustflag="3")
if k_data_bottom.error_code == '0' and len(k_data_bottom.data)>4:
bottom = True
for i in range(1, 5):
if k_data_bottom.data[i][3]<k_data_bottom.data[i-1][4]:
bottom = False
break
if bottom:
v = 5.0
cv = k_data_bottom.data[4][2]*(1.0-v/100)
c1v = k_data_bottom.data[3][2]*(1.0-v/100)
c2v = k_data_bottom.data[2][2]*(1.0-v/100)
c3v = k_data_bottom.data[1][2]*(1.0-v/100)
c4v = k_data_bottom.data[0][2]*(1.0-v/100)
bottom = k_data_bottom.data[0][3]<c1v and k_data_bottom.data[0][3]<c2v and k_data_bottom.data[0][3]<c3v and k_data_bottom.data[0][3]<c4v and k_data_bottom.data[0][3]<k_data_bottom.data[1][3] and k_data_bottom.data[0][3]<k_data_bottom.data[2][3] and k_data_bottom.data[0][3]<k_data_bottom.data[3][3] and k_data_bottom.data[0][3]<k_data_bottom.data[4][3]
else:
continue
if check_point1 and check_point2 and bottom:
data_list = []
data_list.append(code)
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code'])
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。
