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，按个股热度从大到小排序名。
选股逻辑分析
该选股逻辑主要考虑了股票的流行程度，利用个股热度作为一个重要筛选条件。这样可以筛选出市场上比较受欢迎、投资价值较高的股票。但是仍然存在选股条件过于宽泛、只考虑了部分方面的问题，需要加以修正。
有何风险？
该选股逻辑只考虑了个股的热度因素，未充分考虑公司的基本面情况，以及宏观市场行情等因素的影响，存在选出资金利用效率不高的问题。
如何优化？
在考虑个股热度的同时，兼顾公司的盈利能力、成长性、经营状况、市场竞争力等因素的综合考虑，可以选出既受市场欢迎，又有良好的投资价值的公司。同时，进一步规范选股条件，以提高资金的利用效率。
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，按个股热度从大到小排序股票，并在此基础上，兼顾公司的经营状况、盈利能力、成长性、市场竞争力等因素的综合考虑，进一步规范选股策略，以提高资金的利用效率。
同花顺指标公式代码参考
选股公式：(SHELL = 0 AND TBD = 0 AND YDNZ < 1.0 AND HSL >= 0.03 AND HSL <= 0.12 AND CIRCMV <= 10000000000) ORDER BY GPJD DESC
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='20190101', end_date='20211231')
if income_data[income_data.report_type == '1'].iloc[-1]['n_income'] < 0:
continue
# 判断该股票的市值和换手率是否符合条件
market_data = pro.daily_basic(ts_code=ts_code, start_date='20220215', end_date='20220218', fields='ts_code, circ_mv, turnover_rate')
if market_data[market_data['circ_mv'] > 10000000000].empty or market_data[market_data['turnover_rate'] < 0.03].empty or market_data[market_data['turnover_rate'] > 0.12].empty:
continue
# 根据个股热度进行排序
basic_data = pro.query('daily_basic', ts_code=ts_code, start_date='20220218', end_date='20220218', fields='trade_date, ts_code, close, pe, float_share')
sorted_data = basic_data.sort_values(by='float_share', ascending=False)
good_list.append(sorted_data.iloc[0]['ts_code'])
return good_list
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。
