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，选取至少5根均线重合的股票。
选股逻辑分析
该选股逻辑同样结合了技术分析和基本面分析。选取了市场参与度适中、市值规模适当，同时避免潜在的亏损风险的公司。提高了筛选的精度和成功率，同时对良好基本面的公司进行选择，可以从基本面上保证市场表现。
有何风险？
同样地，该选股策略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，5根均线的重合并不一定代表价格走势良好，因此需要结合其他技术指标如MACD、KDJ等进行分析筛选。
如何优化？
可以综合基本面因素向筛选条件中加入其他技术指标如MACD、KDJ等综合分析公司，同时加入其他条件如股息率等指标进行筛选，提高选股的精度和成功率。
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，选取至少5根均线重合的股票，并结合基本面因素和其他技术指标，实现更加精准和优质的投资选股。
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 (C >= MA(C, 5) AND C >= MA(C, 10) AND C >= MA(C, 20) AND C >= MA(C, 30) AND C >= MA(C, 60)))
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
# 判断是否有至少5根均线重合
ma_data = pro.daily(ts_code=ts_code, start_date='20220207', end_date='20220207', ma=[5, 10, 20, 30, 60])
if len(ma_data[ma_data['close'] >= ma_data.iloc[-1][['ma5', 'ma10', 'ma20', 'ma30', 'ma60']]]) < 5:
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。
