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%、今日最大跌幅在-5%和-4%之间的股票。
选股逻辑分析
该选股策略继续关注财务基本面，加入了股票价格的波动因素，较好地考虑了短期风险。同时，选股逻辑仍然加入了净利润的增长和换手率等指标，注重长期价值挖掘。
有何风险？
该选股逻辑忽略了公司的行业和市场地位等因素，可能会忽略某些细节，容易受到宏观经济的波动和市场的短期影响。
如何优化？
可以通过加入其他财务指标、加强对行业和市场地位等的考虑、增加选股指标的权重等方式，提高选股策略的可靠性和多样性。
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%，且今日最大跌幅在-5%和-4%之间的股票（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;
/* 选择今日最大跌幅在-5%和-4%之间 */
CONDITION4 = MDF2 >= -5 AND MDF2 <= -4;
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 = []
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
k_data_today = bs.query_history_k_data(stock_code, "date,high,low",
start_date=datetime.now().strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data_today.error_code == '0' and len(k_data_today.data)>0:
check_point3 = k_data_today.data[0][2]/k_data.data[-1][4]-1 >= -0.05 and k_data_today.data[0][2]/k_data.data[-1][4]-1 <= -0.04
else:
continue
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(stock_code)
data_list.append(data_profit.data[0][37])
data_list.append(k_data_today.data[0][2]/k_data.data[-1][4]-1)
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'market_value', 'max_daily_fall'])
df_rank = df.sort_values(by="market_value", 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。
