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、买一量大于卖一量、深证主板中市盈率在029.01、市净率在0~3.11的股票。
选股逻辑分析
该选股策略从交易活跃度、市场参与度和基本面指标综合考虑，筛选出潜在有较好表现的股票。
有何风险？
市盈率和市净率只是企业基本面指标之一，在评估企业时还需要考虑其他因素，如营收增长、净利润，股票价格过于低廉也可能会存在一定风险。
如何优化？
可以引入更多基本面因素，如每股收益、自由现金流等指标综合考量企业的财务状况，增加更多交易指标如波动性等，以及关注行业发展趋势和政策环境等因素。
最终的选股逻辑
在换手率在3%12%之间、买一量大于卖一量、深证主板中市盈率在029.01、市净率在0~3.11的股票中，按市盈率从小到大排序，选出前50个股票。
同花顺指标公式代码参考
SELECT STOCKCODE FROM (
SELECT STOCKCODE FROM BLOCK_STOCK WHERE BLOCKID = 'SZMB'
AND STOCKCODE IN (SELECT STOCK_CODE FROM STOCK_BASIC WHERE MARKET='主板' AND LIST_STATUS='上市')
AND STOCKCODE IN
(SELECT STOCK_CODE FROM SDB WHERE NAME = '买一' AND (CAST(DATA AS NUMBER) > CAST(FDATA AS NUMBER)))
AND STOCKCODE IN (SELECT STOCK_CODE FROM GDH WHERE NAME = '换手率' AND (CAST(DATA AS NUMBER) > 3) AND (CAST(DATA AS NUMBER) < 12))
AND STOCKCODE IN
(SELECT STOCK_CODE FROM STOCK_BASIC WHERE (PE > 0 AND PE < 29.01) AND (PB > 0 AND PB < 3.11))
)
ORDER BY PE ASC
WHERE ROWNUM <= 50;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂单大量大于卖单的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
df1 = df1[df1['ts_code'].str.startswith('0')]
stock_basic_df = pro.stock_basic(exchange='', fields='ts_code,pe,pb')
df1 = pd.merge(df1, stock_basic_df, on='ts_code', how='inner')
df1 = df1[(df1['pe'] > 0) & (df1['pe'] < 29.01) & (df1['pb'] > 0) & (df1['pb'] < 3.11)]
# 按换手率筛选股票
daily_basic_df = pro.daily_basic(ts_code='', trade_date='20220421', fields='ts_code,turnover_rate')
df1 = pd.merge(df1, daily_basic_df, on='ts_code', how='inner')
df1 = df1[(df1['turnover_rate'] > 3) & (df1['turnover_rate'] < 12)]
# 按市场筛选股票
df1 = df1[df1['ts_code'].str.startswith('0')]
# 按买卖盘挂单量筛选股票
sdb_df = pro.stk_holdernumber(ts_code='', start_date='20220420', end_date='20220420', fields='ts_code,mkv')
sdb_df.rename(columns={'ts_code': 'symbol'}, inplace=True)
df1 = pd.merge(df1, sdb_df, on='symbol', how='inner')
df1 = df1[(df1['buy_sm_vol'] > df1['sell_sm_vol']) & (df1['buy_sm_vol'] > df1['mkv'])]
# 按市盈率排序
df1 = df1.sort_values('pe', ascending=True)
# 合并所有指标，按换手率从大到小排序，返回选股结果
return df1[:50]['ts_code']
## 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。
