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%的股票，且最近三天股票收盘价均小于前一日收盘价（即三连阴）的股票。
选股逻辑分析
该选股策略基于基本面和技术面的考量，选取换手率在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%的股票，并通过技术面指标进行技术判断，选择最近三天股票收盘价均小于前一日收盘价（即三连阴）的股票。此策略较为严格，通过技术面的验证确保了股票的整体走势较为稳定，对于长期投资较为适用。
有何风险？
该选股策略依赖于技术面的判断，存在技术面虚假信息、市场异常波动和个股突发事件等风险影响选股结果，需根据市场实际情况进行灵活调整和处理。
如何优化？
可结合基本面和技术面指标，如市盈率、市净率、RSI等指标，进行多因素综合考虑和选择，提高选股策略的准确度和稳定性。同时，需结合实际市场情况对模型进行精细化调整和优化，以提高选股策略的实际效果和成功率。
最终的选股逻辑
以换手率在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%和最近三天股票收盘价均小于前一日收盘价的为基础，进行选股。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_MEM_LINE(0,2,3,4); // 记录选股结果
SET_SORT_RULE(1); // 按资金强度由大到小排序
SET_SORT_ASC(0); // 倒序排列
SET_NATUREDAY_RANGE_HH(10); // 配置指标参数
/* 选取最近三天股票收盘价均小于前一日收盘价的股票 */
SHADOW = IF(CLOSE>REF(CLOSE,1),REF(CLOSE,1)*1.1,REF(CLOSE,1)*0.9);
CONDITION1 = EVERY(CLOSE<SHADOW,CLOSE,3);
/* 选取换手率在3%-12%之间的股票 */
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 ;
/* 组合选股条件 */
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3 AND LAST_CONDITION;
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,amount,k",
start_date=(datetime.now()-timedelta(days=60)).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)>=60:
check_point1 = True
for i in range(3):
if k_data.data[-1-i][4] >= k_data.data[-2-i][4]:
check_point1 = False
break
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
check_point3 = k_data.data[-1][5]/k_data.data[-2][5] >= 1.3
if check_point1 and check_point2 and check_point3:
stock_list.append(stock_code)
df = pd.DataFrame(stock_list)
df_rank = df.sort_values(by="capital", ascending=False)
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。
