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、机构近期抄底的股票。
选股逻辑分析
该选股策略注重选择换手率、上市年份等基本面因素，并侧重选择机构最近有抄底行为的股票，体现对机构价值判断的重视。
有何风险？
该选股策略可能存在以下风险：1、没有充分考虑公司基本面因素，可能导致低质量的选股结果；2、过分依赖机构的判断，可能因机构的错误判断而带来潜在的风险。
如何优化？
可以在选择机构抄底的股票之前，先对股票的基本面因素、行业链等因素进行一定的分析和考量，以依据公司基本面并结合机构的判断，提高投资的谨慎性和可持续性。
最终的选股逻辑
选择换手率在3%-12%之间、上市年份为2021年、机构近期抄底的股票。
同花顺指标公式代码参考
无同花顺指标公式代码，因为该选股策略没有使用到技术指标。
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, stock['volunit'] * 100) for stock in stock_list if stock['code'][0] in ['0', '3', '6']]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code','ipo_year','vol'])
stock_list = get_stock_list(api)
# 获取符合条件的股票列表
block = api.get_security_quotes([(0, '000001'), (1, '399001')])
pct_changes = pd.Series([block[0]['last_close']] + [x['price'] for x in block[1]])
pct_changes = (pct_changes - pct_changes.shift(1)) / pct_changes.shift(1)
pct_changes = pct_changes[1:]
matched_stocks = list(pct_changes[pct_changes <= -0.099].index)
result = pd.DataFrame({'stock_code':matched_stocks})
result = pd.merge(result, stock_list, on=['stock_code'])
stock_codes = []
for stock_code in result['stock_code']:
data = api.get_bill_data(1, stock_code)
buy_volume = data[data['buy'] == 1]['volume'].sum() # 统计购买总量
sell_volume = data[data['sell'] == 1]['volume'].sum() # 统计卖出总量
if buy_volume > sell_volume:
stock_codes.append(stock_code)
result = pd.DataFrame({'stock_code':stock_codes})
result = pd.merge(result, stock_list, on=['stock_code'])
# 输出结果
print('下列股票符合选股策略：')
print(result)
## 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。
