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，选取今日最低价小于昨日最低价的股票。
选股逻辑分析
该选股逻辑结合了技术分析和基本面分析，选取具备较好走势和良好基本面的股票。限制了市场参与度适中、市值规模适当的公司，同时避免了潜在的亏损的风险。筛选出今日价格较昨日价格下降的股票，可以获得更高的收益，同时也具有风险控制的作用。
有何风险？
同样地，该选股逻辑主要依赖于技术分析，容易受到市场情绪和走势等影响。而且，价格下降并不代表公司的基本面出现问题，因此需要结合基本面因素和其他技术指标，如MACD、KDJ等来进行参考和分析。
如何优化？
重点是优化股票的筛选条件，可以结合基本面因素如财务数据、行业分析等综合分析公司，填补筛选条件的不足，从而进行更全面、更有效的选股策略。
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，选取今日最低价小于昨日最低价的股票，并结合基本面因素、控制风险，实现更加稳健的投资组合。
同花顺指标公式代码参考
选股公式：(HSL >= 0.03 AND HSL <= 0.12 AND CIRC_MV <= 100000000 AND N_INCOME > 0 AND (LOW < REF(LOW, 1)))
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
good_list = []
ts.set_token('your_token')
pro = ts.pro_api()
# 获取股票列表
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, list_date')
for ts_code in stock_list['ts_code']:
# 判断该股票是否亏损
income_data = pro.income(ts_code=ts_code, start_date='20210101', end_date='20211231')
if income_data[income_data.report_type == '1'].iloc[-1]['n_income'] < 0:
continue
# 判断今日最低价是否小于昨日最低价
daily_data = pro.daily(ts_code=ts_code, start_date='20220201', end_date='20220202')
if daily_data.iloc[-1]['low'] >= daily_data.iloc[-2]['low']:
continue
good_list.append({
'ts_code': ts_code,
'name': stock_list[stock_list.ts_code == ts_code].iloc[0]['name'],
'industry': stock_list[stock_list.ts_code == ts_code].iloc[0]['industry'],
'market': stock_list[stock_list.ts_code == ts_code].iloc[0]['market'],
})
good_stocks = pd.DataFrame(good_list)
return good_stocks
good_stocks = get_good_stocks()
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。
