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%、周K线上穿30周线的股票。
选股逻辑分析
该选股策略结合了公司基本面和技术面，选取了换手率、净利润和周K线的技术指标作为筛选条件，对选股的准确性有所提高。同时，周K线上穿30周线可以更好地反映出股票的走势和趋势。
有何风险？
选股逻辑仍然过于依赖于周K线的技术指标，可能存在选股较为死板的情况，无法灵活地把握股票的波动性和价值。同时，选股逻辑在公司基本面的选取上也较为简单单一，需要加强对公司基本面的研究和分析。
如何优化？
可以加入更多的技术指标作为筛选条件，如MACD、KDJ等，以及加入更为全面的公司基本面指标作为参考。同时，可以考虑加入资产负债表、现金流量表等更为详细的财务指标供参考。
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%、周K线上穿30周线的条件下，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 ;
/* 选取周K线上穿30周线 */
SELECTC3 = IF(KCW(K,30)>REF(KCW(K,30),1),1,0);
CONDITION3 = LAST(SELECTC3,1) = 1;
/* 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,tradestatus,pctChg",
start_date=(datetime.now()-timedelta(days=60)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="w", adjustflag="2")
if k_data.error_code == '0' and len(k_data.data)>=30:
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
k_data_week = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount,adjustflag,turn,peTTM,pbMRQ,psTTM,pcfNcfTTM",
start_date=(datetime.now()-timedelta(days=60)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="w", adjustflag="2")
if k_data_week.error_code == '0' and len(k_data_week.data)>30:
week_k_line = pd.DataFrame(k_data_week.data, columns=k_data_week.fields)
week_k_line['MA_30'] = week_k_line['close'].rolling(window=30).mean()
if week_k_line['close'].iloc[-1] > week_k_line['MA_30'].iloc[-1]:
check_point3 = True
else:
continue
else:
continue
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。
