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%、非ST股票以及使用非ST五部涨停战法选股的股票。
选股逻辑分析
该选股策略继承了前几个逻辑的优点，加上了非ST以及非ST五部涨停战法选股的逻辑。非ST中排除了一些问题股，降低了风险；五部涨停战法则是通过选取当前上涨利好较多的股票，进一步提高选股效果。
有何风险？
该选股策略没有考虑股票估值等因素的影响，只从市场短期资金面表现进行选股，存在随后市场变动中表现不佳、风险逐渐增加的情况。同时，非ST选股也有一定的盲目性，有可能排除一些潜力较高的ST股。
如何优化？
可以加入其他市场因素进行综合分析选股，如同时考虑市盈率、市净率等指标，加强数据支持和信息收集。同时也可以进一步调整选股策略，例如加入平均市值等因素的考量等等。
最终的选股逻辑
在满足换手率在3%-12%之间，归属母公司股东净利润（同比增长率）大于20%小于等于100%，并且为非ST股票以及使用非ST五部涨停战法选股的股票中，按机构持股比例从高到低排序，取前5只股票。
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
SET_SORT_RULE(4); // 按机构持股比例从高到低排序
SET_SORT_ASC(0); // 降序排列
/* 选取换手率在3%-12%之间 */
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;
/* 排除ST股票 */
CONDITION3 = NOT ST();
/* 五部涨停战法选股 */
CONDITION4 = RANGE()>8;
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
def check_five_days_increase(code):
k_data = bs.query_history_k_data(code, "date,high,low,close",
start_date=(datetime.now()-timedelta(days=8)).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)>=5:
for i in range(1, 6):
if k_data.data[-i][3] <= k_data.data[-i-1][3]:
return False
return True
#### 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=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)>=250:
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
data_report = bs.query_financial_data(stock_code, year=2021, quarter=1)
if data_report.error_code == '0' and len(data_report.data) >= 4:
check_point3 = data_report.data[-1][-1] != 'ST'
else:
continue
check_point4 = check_five_days_increase(stock_code)
if check_point1 and check_point2 and check_point3 and check_point4:
data_holder = bs.query_holder_data(stock_code, year=2021, quarter=1)
if data_holder.error_code == '0' and len(data_holder.data) > 0:
stock_list.append([stock_code, data_holder.data[0][3]])
df = pd.DataFrame(stock_list, columns=['code', 'org_pct'])
df_rank = df.sort_values(by="org_pct", 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。
