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，筛选出反包股票。
选股逻辑分析
该选股策略忽略了公司的经营情况和财务状况，只是通过反包因素进行筛选。反包是指当股票当前价低于上市公司每股净资产，即市净率小于1，但公司实力本质优秀，估值潜力大，投资价值较高的股票。
有何风险？
该策略忽略了公司的基本面，可能会错过一些在基本面和长期前景方面表现优秀的股票。同时，反包股在市场上不稳定，容易受到市场情绪的影响而出现大幅波动。
如何优化？
可以将反包因素换成其他财务指标，如市盈率、市现率、股息率等，以综合判断公司的估值水平和投资价值，并降低投资风险。
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，结合市盈率、市现率、股息率等指标，筛选出实力优秀、股票估值有投资价值的股票，并降低反包因素对选股的影响。
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 PB < 1 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
# 判断该股票是否符合反包条件
quote_data = pro.daily_basic(ts_code=ts_code, start_date='20220215', end_date='20220218', fields='ts_code, pb')
if quote_data[quote_data['pb'] >= 1].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。
