问财量化选股策略逻辑
选股逻辑为：在换手率为3%-12%、10日涨幅大于0小于35、上市时间大于一年的基础上选股。（在10点之前选股票。）
选股逻辑分析
该选股策略主要考虑了股票的基本面和市场表现，较好地筛选了一些有一定投资价值的股票。逻辑较简单，易于实施，但风险可控。
有何风险？
如果该选股策略单独使用，可能会面临股票持仓时长过长、回撤风险较大的问题，因此建议结合其他技术指标、财务指标等多方面因素来综合考虑。
如何优化？
可以考虑加入其他多种技术指标、财务指标等，综合考虑股票的各个方面的情况。同时，可以通过机器学习算法来构建模型，优化选股策略，提高选股的准确性和回撤风险的可控性。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35、上市时间大于一年的基础上选股。为提高选股准确性和回撤风险的可控性，建议加入其他技术指标、财务指标等，利用机器学习算法来构建模型，优化选股策略。
同花顺指标公式代码参考
选股策略可能用到的指标包括：换手率、涨跌幅、上市时间等，请根据具体需求自行查询同花顺指标公式，并进行修改与适配。
Python代码参考
import tushare as ts
import time
def get_good_stocks():
good_list = []
# 获取正常股票
ts.set_token('your token')
pro = ts.pro_api()
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,list_date')['ts_code']
for ts_code in stock_list:
if ts_code.startswith('300') or ts_code.startswith('688'): # 筛选创业板和科创板股票
continue
elif pro.daily(ts_code=ts_code, start_date='20211015', end_date='20211020').empty: # 筛选数据存在日期
continue
elif pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0: # 筛选非ST股票
continue
elif (time.time() - time.mktime(time.strptime(str(pro.stock_basic(ts_code=ts_code, fields='list_date').iloc[0]['list_date']), "%Y%m%d"))) / (365*24*60*60) < 1: # 筛选上市时间大于一年的股票
continue
# 筛选出10日涨幅大于0小于35、换手率在3%至12%之间的股票
daily_data = pro.daily(ts_code=ts_code, start_date='20211020', end_date='20211020')
if daily_data.empty or daily_data.iloc[0]['close'] <= daily_data.iloc[0]['open']:
continue
elif daily_data.iloc[0]['pct_chg'] not in range(0, 35):
continue
elif daily_data.iloc[0]['turnover_rate'] < 0.03 or daily_data.iloc[0]['turnover_rate'] > 0.12:
continue
else:
good_list.append(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。
