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%、企业性质为优质公司的股票。
选股逻辑分析
该选股策略综合了基本面和企业性质方面的考虑。换手率的限制可以筛选出相对稳定的股票，而净利润的要求则可以反映公司的经营状况。企业性质为优质公司的要求可以进一步筛选出业绩优秀、成长性好、估值合理的标的，从而提高股票的投资价值。
有何风险？
该策略选股的企业性质定义较为宽泛，可能包含相对质量较低的标的，需要进行更全面的风险评估。此外，该策略只考虑单一的基本面指标，无法充分反映公司的实际业务状况以及市场情绪。
如何优化？
可以将企业性质的考虑与其他方面的筛选条件结合运用，如技术指标、行业分类、市值等方面，以获得更为全面的选股结果。同时，加强风险控制，如设立止损点、严格控制仓位等，以降低风险。
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%，企业性质为优质公司的股票。
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 AND HSL <= 12;
/* 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 AND ZLRTB20 <= 100;
/* 选择企业性质为优质公司 */
CONDITION3 = JSYSZB >= 80 AND JXSZB >= 80;
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
data_profit = bs.query_profit_data(code, year=2021, quarter=1)
if data_profit.error_code == '0' and len(data_profit.data)>0:
check_point1 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
else:
continue
data_balance = bs.query_balance_data(code, year=2020, quarter=4)
if data_balance.error_code == '0' and len(data_balance.data)>0:
check_point2 = data_balance.data[0][5] >= 80 and data_balance.data[0][7] >= 80
else:
continue
k_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,peTTM", start_date=time_str, end_date=time_str, frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point3 = k_data.data[0][5] < 12
else:
continue
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(code)
data_list.append(k_data.data[0][5]) # peTTM
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'PE_TTM'])
df = df.sort_values(by='PE_TTM', 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。
