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、今日上涨幅度大于1%（比较同板块的股票涨幅）、流通市值在50-100亿之间的股票。
选股逻辑分析
该选股逻辑在对股票换手率、股价表现和市值进行综合考虑的基础上，选出了流通市值在一定范围内且可能有短期反弹或反转的个股。
有何风险？
该选股逻辑只考虑了短期的股价表现和市值因素，而未考虑其他基本面因素。可能存在对股票真实价值的忽略或歪曲。同时，指标的选择也有一定的主观性，可能存在局限性和盲区。
如何优化？
可以将更多的基本面因素纳入到选股逻辑中，以更全面和客观的方式评估个股的价值和可能的风险。同时可尝试使用机器学习等方法，选择更有效的指标、降低盲区和误判风险。
最终的选股逻辑
选择换手率在3%-12%之间、今日上涨幅度大于1%（比较同板块的股票涨幅）、流通市值在50-100亿之间的股票。
同花顺指标公式代码参考
SET_GROUP(1);
/* 换手率 3%-12% */
HSL>=3 AND HSL<=12;
/* 今日涨幅 > 1% */
XTBG=FETCH(CLOSE,TODAY,1)/FETCH(CLOSE,TODAY-1,1)-1;
XTBG>1% AND XTBG<100;
/* 流通市值 50-100亿 */
SZZBLTXSZ >= 50 AND SZZBLTXSZ <= 100;
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_stock_basic()
stock_list = []
for code in rs.get_row_data():
if code[1] != '1' and code[1] != '0':
continue
if code[2] == '3' or code[2] == '6':
continue
if float(code[5]) < 50 or float(code[5]) > 100:
continue
k_data = bs.query_history_k_data_plus(
code[0], "date,open,high,low,close,volume,tradestatus",
start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"), frequency="d", adjustflag="2")
if k_data.data is None or len(k_data.data) == 0 or k_data.error_code != '0':
continue
df_k_data = pd.DataFrame(k_data.data, columns=k_data.fields)
df_k_data = df_k_data[df_k_data['tradestatus']=='1'][['close']]
check_point1 = df_k_data.iloc[-1]['close']/df_k_data.iloc[-2]['close'] > 1.01
if check_point1:
data_list = []
data_list.append(code[0])
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code'])
df_length = len(df)
if df_length > 0:
print(df)
##### 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。
