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%且涨跌幅×超大单净量的值较大的股票。
选股逻辑分析
该选股策略基于基本面、技术面及资金面因素，选股条件更加全面，综合考虑公司基本面质量和市场情况，挖掘有潜力的投资标的。通过选股逻辑，排除了波动性较大、非主板股票等，增加了选股精度。
有何风险？
该选股策略虽然考虑了多重因素，但仍存在选股条件偏强、对其他重要因素缺乏考虑等风险。同时，市场波动较大时，选股结果可能受到较大影响。需要进一步考虑和细化选股条件，提高选股精度。
如何优化？
可在现有基础上，加入更多重要因素，如行业、市值、负债率等。在指标设计上，需要更加合理地设计选股公式，并维护指标的数据质量。同时也需要时刻跟进市场情况，紧密关注每个投资标的的动态，灵活调整选股策略。
最终的选股逻辑
在满足换手率在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%且涨跌幅×超大单净量的值较大的条件下，选取具有投资潜力的股票。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_MEM_LINE(0,2,3,4); // 记录选股结果
SET_SORT_RULE(1); // 按资金强度由大到小排序
SET_SORT_ASC(0); //倒序排列
SET_NATUREDAY_RANGE_HH(10); // 配置指标参数
/* 选取换手率在3%-12%之间的股票 */
CONDITION1 = HSL>=3 AND HSL<=12 ;
/* 选取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 ;
/* 选取涨跌幅×超大单净量的值较大的股票 */
CONDITION3 = (HIGH-LOW)/REF(CLOSE,1)>0.03*DLTLS
/* 组合选股条件 */
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3 AND LAST_CONDITION;
CODE_LIST=SELECT_BY_KIND('stock',last_condition);
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 = []
while rs.next():
stock_code = rs.get_row_data()[0]
if stock_code.startswith('sh.688') or stock_code.startswith('sz.300'):
continue
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount,k",
start_date=(datetime.now()-timedelta(days=60)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data.error_code == '0' and len(k_data.data)>=60:
check_point1 = k_data.data[-1][5] >= 3 and k_data.data[-1][5] <= 12
data_profit = bs.query_profit_data(stock_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
check_point3 = (k_data.data[-1][2]-k_data.data[-1][3])/k_data.data[-2][4] > 0.03*k_data.data[-1][7]/10000
if check_point1 and check_point2 and check_point3:
stock_list.append(stock_code)
df = pd.DataFrame(stock_list)
df_rank = df.sort_values(by="capital", ascending=False)
print(df_rank)
##### 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。
