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%、市盈率在0-29.01、市净率在0-3.11，且属于深证主板的股票。
选股逻辑分析
该选股策略综合了基本面、股价估值、市场情绪以及行业分类等方面的考虑。其中，有限制的换手率可以筛选出相对稳定的股票；净利润的要求则可以反映公司的经营状况；市盈率和市净率的要求则可以反映股票的估值情况；属于深证主板的要求则可以减少对创业板和中小板等不同市场的干扰。
有何风险？
该选股策略仍然只考虑较为单一的指标，无法全面地反映公司的状态。如对于某些行业，市净率可能较低，但市盈率较高，导致未能被选中。此外，市盈率和市净率的选取可能还需要根据不同行业或企业进行调整，否则可能造成选股结果的失真。
如何优化？
可以结合其他条件进行筛选，如技术指标、行业分类、近期表现等，以获得更全面的选股结果。同时，应先对市盈率和市净率进行科学的分析和调整，以更准确地反映企业的股价估值情况，并避免“瞎猜”式的选股。
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%、市盈率在0-29.01、市净率在0-3.11，且属于深证主板的股票。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_MEM_LINE(0,1,2,3,4); // 记录选股结果
/* 选择换手率在3%-12%之间 */
CONDITION1 = HSL >= 3 AND HSL <= 12;
/* 选择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;
/* 选择市盈率在0-29.01 */
CONDITION3 = PE_STATIC_TTM >=0 AND PE_STATIC_TTM <= 29.01;
/* 选择市净率在0-3.11 */
CONDITION4 = PB_STATIC_TTM >=0 AND PB_STATIC_TTM <= 3.11;
/* 选择属于深证主板的股票 */
CONDITION5 = SINDEXCODE == '399001';
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3 AND CONDITION4 AND CONDITION5;
SET_RANK_BY_FIELD(4, 1, 1); // 按热度从大到小排序
CODE_LIST = SELECT_BY_KIND_EX('stock', last_condition, '', '', '', '', '', '', '', '1');
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().strftime("%Y-%m-%d")
else:
time_str = (datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d")
for code in rs.get_row_data():
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
data_profit = bs.query_profit_data(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_plus(code, "date,open,high,low,close,peTTM,pbMRQ", start_date=time_str, end_date=time_str, frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point2 = k_data.data[0][5] >=0 and k_data.data[0][5] < 29.01 and k_data.data[0][6] >=0 and k_data.data[0][6] < 3.11
else:
continue
s_info = bs.query_stock_basic(code)
if s_info.error_code == '0' and len(s_info.data)>0:
check_point3 = s_info.data[0][1] == '深证主板'
else:
continue
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(code)
data_list.append(k_data.data[0][5]) # peTTM
data_list.append(k_data.data[0][6]) # pbMRQ
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'PE_TTM', 'PB_MRQ'])
df = df.sort_values(by='PE_TTM', ascending=True)
df_length = len(df)
if df_length > 0:
print(df.head(5))
##### 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。
