问财量化选股策略逻辑
该选股策略选股逻辑为：选择换手率在3%-12%之间，上市年份为2021年，按个股热度从大到小排序名单。
选股逻辑分析
该选股策略选择换手率适中的新股，且上市年份数较小，以期待公司业绩能够持续增长，同时按照个股热度排序，选择市场关注度较高的股票。相比于原有选股策略，该策略更注重市场情绪和关注度。
有何风险？
该选股策略存在以下风险：1、依赖个股热度排序容易受到市场情绪的影响；2、单一指标选股，用以选择适合价值投资，而不考虑公司的成长及未来的盈利情况；3、市场突发事件的影响将导致跌幅，单一指标可能无法捕捉到这些情况。
如何优化？
综合考虑不同的财务指标，如PEG等指标，综合评估公司的价值和成长性，降低风险。加入其他技术指标进行综合比较，如KDJ、MACD等指标。同时，应该更注重公司财务数据和未来发展潜力，考虑到市场关注度和情绪的情况下，可根据个股的具体情况进行综合分析。
最终的选股逻辑
选择换手率在3%-12%之间，上市年份为2021年，按个股热度从大到小排序名单。
同花顺指标公式代码参考
需要自行编写。
Python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
api = TdxHq_API()
ip = select_best_ip('tdx')
def get_stock_list(api):
dataList = []
for market in [0,1]:
stock_list = api.get_security_list(market, 0)
results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year) for stock in stock_list if stock['code'][0] in ['0', '3', '6']]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code','ipo_year'])
def check_PE(api, stock_code):
# 获取市盈率数据
data = api.to_df(api.get_security_quotes([(4 if stock_code[0] == '0' else 3, stock_code)]))
PE = data['market'][0][39]
if PE != 0:
return True
else:
return False
def get_today_hot_rank(api, market_code):
# 获取当日个股热度排行榜
data = api.to_df(api.get_billboard(market_code))
return data.sort_values(by=['buy_value'], ascending=False)['stock_code'].tolist()
stock_list = get_stock_list(api)
# 获取符合条件的股票列表
condition1 = stock_list['ipo_year'] == 2021
condition2 = (stock_list['ipo_price'] >= 1) & (stock_list['ipo_amount'] > 1000000)
matched_stocks = []
for stock_code in stock_list[condition1 & condition2]['stock_code']:
if check_PE(api, stock_code):
matched_stocks.append(stock_code)
# 按照个股热度排序
hot_rank = get_today_hot_rank(api, 1)
matched_stocks = [stock_code for stock_code in hot_rank if stock_code in matched_stocks]
# 输出结果
print('下列股票符合选股策略：')
print(matched_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。
