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的条件下，按资金强度（即流通市值/总市值）由大到小进行选股。
选股逻辑分析
在考虑了股票的基本面和趋势性之后，引入了资金强度的概念，即流通市值与总市值的比值，通过按照资金强度由大到小进行选股，能够筛选出健康成长、市场认可的优质企业，增加投资成功的可能性。
有何风险？
该选股策略的风险在于，资金强度并不是股票成功的唯一因素，如果过分依赖资金强度作为选股的基本依据，可能会忽略其他因素对股票性价比的影响。另外，股票市场波动剧烈，股票的资金强度也会随之发生变化，需要定期进行监控和调整，以保证选股策略的稳定性和有效性。
如何优化？
要在资金强度的基础上，综合考虑其他因素，如公司的品牌价值、财务状况、市场前景等，来判断一个股票的投资价值。同时，要加强市场风险控制，平衡选股策略与风险管理，规避随时可能发生的风险。定期评估和调整选股策略，以保证其稳定性和有效性。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35的条件下进行选股，按照资金强度（即流通市值/总市值）由大到小进行排序。在资金强度的基础上，综合考虑其他因素，如公司的品牌价值、财务状况、市场前景等，来判断一个股票的投资价值。要加强市场风险控制，定期评估和调整选股策略，以保证其稳定性和有效性。
同花顺指标公式代码参考
选股公式：
(TURNOVER>0.03 AND TURNOVER<0.12 AND INCREASE>0 AND INCREASE<0.35) ORDER BY CIRC_MV / TOTAL_MV DESC
其中INCREASE表示10日涨幅，TURNOVER表示换手率，CIRC_MV表示流通市值，TOTAL_MV表示总市值。
Python代码参考
import pandas as pd
import tushare as ts
# 获取符合条件的股票列表
def get_good_stocks(pro):
good_list = []
# 调用Tushare接口获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L')
# 匹配满足条件的股票
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
if ts_code[:2] != '60' and ts_code[:3] != '688':
daily_info = pro.daily(ts_code=ts_code, start_date='20210901', end_date='20211022')
if daily_info[daily_info['pct_chg'] == 10].shape[0] == 0:
turnover_ratio = daily_info[daily_info['turnover_rate'] > 0]['turnover_rate'].mean()
increase_rate = (daily_info.iloc[-1]['close'] / daily_info.iloc[0]['close']) - 1
circ_mv = daily_info.iloc[-1]['circ_mv']
total_mv = daily_info.iloc[-1]['total_mv']
if turnover_ratio > 0.03 and turnover_ratio < 0.12 and increase_rate > 0 and increase_rate < 0.35:
good_list.append([ts_code, circ_mv/total_mv])
# 按照资金强度进行排序
good_list.sort(key=lambda x:x[1], reverse=True)
return [x[0] for x in good_list]
# 获取所有符合条件的股票
token = "your token"
pro = ts.pro_api(token)
good_stocks = get_good_stocks(pro)
# 计算符合条件的股票的市值和涨幅
result = []
for stock_code in good_stocks:
daily_data = pro.daily(ts_code=stock_code, start_date='20211022', end_date='20211022')
result.append([stock_code, daily_data.iloc[-1]['market_cap'], (daily_data.iloc[-1]['close'] / daily_data.iloc[0]['close']) - 1])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate'])
df = df.sort_values(by='increase_rate', ascending=False)
print(df.head(10))
## 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。
