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%、下午大单净流入的股票。
选股逻辑分析
该选股策略在基本面的选择上加入了对股票的流动性和资金走向的考虑，通过选择下午大单流入较多的股票，可以挖掘出市场热点和受资金青睐的公司。
有何风险？
该选股策略过度依赖资金流向和短期行情，忽视了公司的长期竞争力和运营能力，可能会造成选出的公司在短期内有一定的上涨空间，但长期持续性差。
如何优化？
可以增加对财务状况、成长性、基本面等因素的综合考虑，避免过度依靠短期走势和资金流向；同时可以加入对公司所处行业、大盘走势等宏观因素的判断，增强选股决策的全面性和稳健性。
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%、下午大单净流入的股票（前5名）。
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
SET_SORT_RULE(1); // 按市值从大到小排序
SET_SORT_ASC(0); // 降序排列
/* 剔除创业板股票 */
CONDITION1 = CODE NOT LIKE 'sz.300%';
/* 选取换手率在3%-12%之间 */
CONDITION2 = 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% */
CONDITION3 = ZLRTB20 >= 20 AND ZLRTB20 <= 100;
/* 选取下午大单净流入的股票 */
CONDITION4 = ZD > 0;
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3 AND CONDITION4;
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 = []
for i in range(2):
if i == 0:
time_str = (datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d") + " 13:00:00"
else:
time_str = datetime.now().strftime("%Y-%m-%d") + " 13:00:00"
rs_vol = bs.query_all_stock(day=datetime.now().strftime("%Y-%m-%d"), time=time_str)
while rs_vol.next():
stock_code = rs_vol.get_row_data()[0]
if stock_code.startswith('sh.688') or stock_code.startswith('sz.300'):
continue
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_point1 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
else:
continue
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,tradestatus,pctChg",
start_date=(datetime.now()-timedelta(days=250)).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)>=2:
if i == 0:
# 下午成交量
vol_afternoon = sum([float(d[5]) for d in k_data.data[-11:-5]])
check_point2 = (k_data.data[-2][7] == '0') and (vol_afternoon > 0)
else:
vol_afternoon = sum([float(d[5]) for d in k_data.data[-12:-6]])
check_point2 = vol_afternoon > 0
if check_point1 and check_point2:
data_list = []
data_list.append(stock_code)
data_list.append(vol_afternoon)
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'volume'])
df_rank = df.sort_values(by="volume", ascending=False).iloc[:5]
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。
