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，选取近25个交易日中，有单日涨幅大于等于10%的股票。
选股逻辑分析
该选股逻辑主要通过观察近期涨幅较大的股票，以期望获得未来收益的最大化。选股策略从市值、换手率、无亏损等方面进行约束，增加股票的可选性，同时针对涨幅进行筛选，可以找到表现优秀的个股，提高选股的准确性。
有何风险？
忽略了公司的基本面和长期前景，单纯地追逐涨幅会导致一定风险，可能会选出股市热点下的一些短期炒作的蓝筹股等。此外，如果单纯地选取涨幅比较大的股票，未来的持续性和稳定性都需要考虑。因此可以综合考虑其他指标进行筛选。
如何优化？
可以结合其他指标，比如当前PE、PB等财务指标、经济指标等，来综合筛选股票。同时，可以关注业绩增长、股权结构、公司治理等方面对股票进行评估。
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，通过选取近期单日涨幅大于10%的股票，并结合其他指标，筛选表现优异、具有潜力的股票。
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 <= 100000000 AND N_INCOME > 0 AND EXISTS(SELECT * FROM (SELECT TRADE_DATE FROM STOCK_TRADE_DAILY WHERE TS_CODE = symbol ORDER BY TRADE_DATE DESC LIMIT 25) AS T1 WHERE (LAST_PRICE / LAST_SETTLE < 1.10)))
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
# 判断是否有单日涨幅大于等于10%
daily_data = pro.daily(ts_code=ts_code, start_date='20220201', end_date='20220228')
if (daily_data.close / daily_data.pre_close).max() < 1.1:
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。
