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，筛选北京以外的股票。
选股逻辑分析
该选股策略主要在市值相对较小、但资产质量相对较好的A股中筛选，过滤掉北京A股，降低宏观政策风险。
有何风险？
该策略可能会错失一些市场表现较好的北京A股，同时，该策略忽略了行业因素，可能会错过一些表现较好的行业。
如何优化？
在保留策略的基础上，可以加入其他市场因素，如金融、地产等行业特征，同时，可以考虑加入技术指标或者基本面因素等，以提升选股策略的稳健性和多样化性。
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，综合考虑公司基本面、行业表现、市场表现等，去除北京A股，选出基本面儒雅清华、未来增长潜力较大的股票。
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 <= 10000000000 AND N_INCOME > 0 AND MARKET != '北京' ORDER BY WIN_RATIO DESC LIMIT 20
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='20200101', end_date='20211231')
if income_data[income_data.report_type == '1'].iloc[-1]['n_income'] < 0:
continue
# 判断该股票是否位于北京A股
if stock_list[stock_list.ts_code == ts_code].iloc[0]['market'] == '北京':
continue
# 判断该股票的市值是否符合条件
market_data = pro.daily_basic(ts_code=ts_code, start_date='20220215', end_date='20220218', fields='ts_code, circ_mv, total_mv')
if market_data[market_data['circ_mv'] > 10000000000].empty:
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。
