问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、市值100亿以内、无亏损的A股中，筛选七连阴的股票进行选择。
选股逻辑分析
该选股逻辑通过挑选近期连续下跌的个股，利用技术分析方法进行选股，以期获取最近弱势但有反弹机会的股票。
有何风险？
该逻辑选股过程对公司基本面和未来发展潜力等因素进行的忽略，容易选择一些未来形势不明朗或受外部因素影响较大的股票，存在投资的风险。
如何优化？
可以通过结合量价因素、技术面、基本面等多方面考虑，综合判断股票是否有上涨反弹的趋势和资金的入驻等因素，以提高选股的精度。
最终的选股逻辑
在符合换手率3%-12%、市值100亿以内、无亏损的A股中，筛选最近连续下跌7天或以上的股票，结合基本面、技术面等综合因素判断是否有反弹机会和资金入驻，从而进行选股。
同花顺指标公式代码参考
选股公式：
CIRCMV<10000000000 AND BOARD = 1 AND TURNRATE>=3 AND TURNRATE<=12 AND (REF(EPS, 1) + REF(EPS, 2) + EPS) / 3 > 0 AND LLV(LOW, 7) = LOW ORDER BY RANK(AMOUNT)
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks(N):
good_list = []
ts.set_token('your_token')
pro = ts.pro_api()
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code')['ts_code']
for ts_code in stock_list:
if pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0: # 非ST股票
continue
# 筛选符合条件的股票
daily_data = pro.daily(ts_code=ts_code, start_date='20220223', end_date='20220223')
if daily_data.empty or daily_data.iloc[-7:]['low'].idxmin() != daily_data.index[-1]:
continue
market_data = pro.daily_basic(ts_code=ts_code, start_date='20220223', end_date='20220223', fields='circ_mv, board')
if market_data.empty or market_data.iloc[-1]['circ_mv'] / 100000000 > 100 or market_data.iloc[-1]['board'] != '主板':
continue
company_data = pro.fina_indicator(ts_code=ts_code, start_date='20180101', end_date='20211231', fields='eps')
if company_data.empty or company_data.iloc[-1]['eps'] <= 0 or (company_data.iloc[-1]['eps'] + company_data.iloc[-2]['eps'] + company_data.iloc[-3]['eps']) / 3 <= 0:
continue
tick_data = pro.moneyflow2(ts_code=ts_code, start_date='20220223', end_date='20220223', fields='amount')
if tick_data.empty or tick_data.iloc[-1]['amount'] < tick_data.iloc[-2]['amount'] or tick_data.iloc[-7:]['amount'].mean() <= tick_data.iloc[-1]['amount']:
continue
good_list.append([ts_code, tick_data.iloc[-1]['amount']])
# 根据资金流排序
sorted_data = pd.DataFrame(good_list, columns=['ts_code', 'score']).sort_values(by='score', ascending=False).reset_index(drop=True)
good_list = sorted_data['ts_code'].tolist()[:N]
return good_list
good_stocks = get_good_stocks(10)
print(good_stocks)
## 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。
