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，筛选外盘/内盘大于1.3的股票进行选择。
选股逻辑分析
该选股逻辑将股票的市场活跃度和流动性进行了考虑，同时考虑了企业的盈利情况，比较符合市场趋势，具有一定的可行性。
有何风险？
忽略了一些基础面的因素，难以把握市场的大势，而且市场情况和外盘/内盘的比例存在个别季节性的变化，该策略的效果还需要经过长期检验。
如何优化？
可以通过增加选股因素，比如增加公司财务数据和宏观经济指标等来进一步优化选股策略，也可以考虑筛选外盘/内盘比例较为稳定的时期进行投资。需要注意的是，选股策略的逻辑和机制需要加强，提高选股的精度和稳定性。
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，筛选外盘/内盘比例大于1.3的股票，综合其他因素考虑股票的相对估值和风险收益，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 (BUY_VOL / SELL_VOL) > 1.3 AND RANK(RANK(BUY_VOL/SELL_VOL)) <= N ORDER BY RANK(BUY_VOL/SELL_VOL)
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[-1]['turnover_rate'] < 0.03 or daily_data.iloc[-1]['turnover_rate'] > 0.12:
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='buy_sm_vol, buy_med_vol, buy_lg_vol, sell_sm_vol, sell_med_vol, sell_lg_vol')
if tick_data.empty:
continue
buy_vol = tick_data.iloc[-1]['buy_sm_vol'] + tick_data.iloc[-1]['buy_med_vol'] + tick_data.iloc[-1]['buy_lg_vol']
sell_vol = tick_data.iloc[-1]['sell_sm_vol'] + tick_data.iloc[-1]['sell_med_vol'] + tick_data.iloc[-1]['sell_lg_vol']
if buy_vol / sell_vol <= 1.3:
continue
good_list.append([ts_code, buy_vol / sell_vol])
# 根据外盘/内盘比例排序
sorted_data = pd.DataFrame(good_list, columns=['ts_code', 'score']).sort_values(by='score', ascending=False).reset_index(drop=True)
sorted_data = sorted_data[sorted_data['score'] > 1.3].iloc[:N]
good_list = sorted_data['ts_code'].tolist()
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。
