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%，主升起动。
选股逻辑分析
该选股策略在基础选股条件的基础上加入了主升起动的判断，主升起动代表着股票价格有望进入上升通道。该策略适合中长期持有股票，为挖掘有望持续上涨的股票提供了可能。
有何风险？
该策略对主升起动的判断标准比较笼统，可能会漏选一些潜在的优质股票。同时，该指标判断的准确性也比较难以保证。
如何优化？
可以加入其他的技术指标，如RSI、DMI等对股票价格走势作出评价，进一步筛选出优质股票。同时，可以考虑进一步优化主升起动的判断标准，增加指标的细节，提高选股的准确性。
最终的选股逻辑
以股票历史价格走势为基础，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%，并且判断股票处于主升起动之中。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_NATUREDAY_RANGE_HH(10); // 配置指标参数
/* 选取换手率在3%-12%之间的股票 */
CONDITION0 = 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% */
CONDITION1 = ZLRTB20>=20 AND ZLRTB20<=100 ;
/* 判断处于主升起动状态 */
CONDITION2 = 2*CLOSE/CLOSE-1 >= HHV(2*CLOSE/CLOSE, 21)*0.995 AND LAST_CONDITION;
/* 组合选股条件 */
LAST_CONDITION =CONDITION0 AND CONDITION1 AND CONDITION2 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]
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 = (k_data.data[-1][5]/10000) >= 3 and (k_data.data[-1][5]/10000) <= 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
check_point3 = False
k_data_close = [i[4] for i in k_data.data]
if len(k_data_close) >= 60:
max_growth_rate = 0
for i in range(39, len(k_data_close)-1):
sub_price = k_data_close[i-38:i+1]
min_price = min(sub_price)
max_price = max(sub_price)
growth_rate = (max_price - min_price)/min_price
if growth_rate > max_growth_rate:
max_growth_rate = growth_rate
check_point3 = max_growth_rate > 0.08
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。
