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的基础上，按个股热度从大到小排序，选出符合条件的股票。
选股逻辑分析
该选股策略在原有基础上，增加了按个股热度排序的步骤，可以较好地筛选出市场上的活跃股票。但是，需要注意股票的热度可能会因为不同因素的影响而发生变化，导致选股偏差。此外，此选股策略仅仅考虑了换手率和涨跌幅这两个指标，可能有漏选的优质股票。
有何风险？
该选股逻辑排除了市盈率等重要指标的筛选，可能会漏选高PE股票。此外，仅按个股热度排序，可能会受到市场情况的影响，造成选股偏差。此外，该选股策略只考虑了部分因素，缺乏全面性和科学性，需要进一步完善。
如何优化？
可以加入其他重要指标，如市盈率、收益率等，提高选股的全面性和科学性。优化热度评估的算法和流程，避免因市场情况变化而引起偏差。同时，加强风险控制，降低选股的误判率和不确定性。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35的基础上，按个股热度从大到小排序，选出符合条件的股票。为提高选股维度的全面性和科学性，建议加入更多的因素，如市盈率、收益率等。同时，优化热度评估的算法和流程，加强风险控制。
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、市盈率、个股热度等，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
# 获取符合条件的股票，并按热度降序排序
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
# 筛选出换手率在3%至12%之间、10日涨幅大于0小于35的股票，并按个股热度降序排列
daily_data = pro.daily(ts_code=ts_code, start_date='20211020', end_date='20211020')
if daily_data.iloc[0]['close'] <= daily_data.iloc[0]['open'] or 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:
stock_basic_info = pro.stock_basic(ts_code=ts_code, fields='ts_code,turnover_rate,pe')
stock_basic_info['turnover_rate_rank'] = stock_basic_info['turnover_rate'].rank(ascending=False)
stock_basic_info['pe_rank'] = stock_basic_info['pe'].rank()
stock_basic_info['total_rank'] = stock_basic_info['turnover_rate_rank'] + stock_basic_info['pe_rank']
good_list.append({'ts_code': ts_code, 'rank': stock_basic_info['total_rank'].iloc[0]})
good_list = sorted(good_list, key=lambda x: x['rank'])
good_stocks = [x['ts_code'] for x in 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。
