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%、10天内涨停天数大于2的股票。
选股逻辑分析
该选股策略将技术面指标10天内涨停天数大于2纳入其中，让选股更加精细，筛选出具有较强动能的股票。同时该选股策略对公司的盈利能力和市场稳定性有所关注，综合考虑多个因素进行选股。
有何风险？
该选股策略仍然没有全面考虑到公司的业绩、财务状况、行业竞争等其他基本面因素，选股存在盲点和风险。同时，技术面指标可能存在暂时性假象，需要综合考虑其他风险因素。
如何优化？
可以考虑引入更多的基本面指标进行筛选，如市盈率、市净率等，以全面评估公司的股票价值。同时，对策略中技术面指标的设置，可以进行其它有关特定期限内的均线比较，以便更合适地评估公司股票的均线走势。
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%、10天内涨停天数大于2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>=3.0 AND HSL<=12.0;
/* 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>=20.0 AND ZLRTB20<=100.0;
/* 10天内涨停天数大于2 */
CONDITION3 = COUNT(C>=PRECLOSE*1.10, 10)>2;
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3;
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
# 换手率3%-12%
k_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,turn,pbMRQ", start_date=time_str, end_date=time_str, frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point1 = k_data.data[0][5] >=3 and k_data.data[0][5] <= 12
else:
continue
# 利润增长率大于20%，小于等于100%
data_profit = bs.query_profit_data(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
# 10天内涨停天数大于2
data_trading = bs.query_history_k_data_plus(code, "date,open,high,low,close,preclose", start_date=(datetime.now()-timedelta(days=9)).strftime("%Y-%m-%d"), end_date=time_str, frequency="d", adjustflag="3")
if data_trading.error_code == '0' and len(data_trading.data)>0:
check_point3 = sum([1 for item in data_trading.data if item[4]/item[5] - 1 >= 0.1]) > 2
else:
continue
# 筛选出符合条件的股票
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(code)
data_list.append(k_data.data[0][5]) # 换手率
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'turn'])
df = df.sort_values(by='turn', 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。
