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、深证主板中市盈率0-29.01和市净率0-3.11之间的股票。
选股逻辑分析
该选股策略选取的是换手率适中、估值适中的新股，并结合上市时间、深证主板、估值等多个因素进行筛选，以期待公司业绩增长，而且投资成本相对较低。通过结合公司财务情况、成长性和行业前景等多个因素，提高选股的可靠性，避免了单一指标选股策略的局限性。
有何风险？
该选股策略存在以下风险：1、只考虑有限的因素，无法全面评估公司的价值；2、忽略了公司未来的成长性，可能会错失一些潜在的优质股票。
如何优化？
为了降低风险，可以加入其他指标，如PEG、ROE等指标，更全面地分析公司前景和内部情况。在估值方面，可以通过动态市盈率、市净率、PEG等多个角度来进行筛选，以避免仅仅关注单一估值指标的问题。在企业性质方面，可以通过分析企业管理层、公司文化等方面的数据进行筛选，以辅助筛选符合要求的企业。选股逻辑应该基于多个关键因素，包括公司财务情况、行业前景、竞争力、公司管理和成长性等方面。在股价方面，可以扩大选股范围，以一定的溢价来购买高质量的股票。
最终的选股逻辑
选择换手率在3%-12%之间、上市年份为2021年、深证主板中市盈率在0-29.01之间且市净率在0-3.11之间的股票。
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
#初始化TdxHq_API()并获取最优IP
api = TdxHq_API()
ip = select_best_ip('tdx')
def get_stock_list(api):
#遍历股票市场获取所有股票
dataList = []
for market in [0, 1]:
stock_list = api.get_security_list(market, 0)
results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year, stock['ipo_year'], stock['ipo_price'],
stock['ipo_amount'], stock['zql'], stock['zy'], stock['sjl'], stock['ltgb']) for stock in stock_list if stock['code'][0] in ['0', '3'] and
stock['market'] == 0 and stock['ipo_year'] == 2021]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code', 'ipo_date', 'ipo_year', 'ipo_price', 'ipo_amount', 'zql', 'zy', 'sjl', 'ltgb'])
def get_matched_stocks(api, stock_list):
#筛选出符合条件的股票
condition1 = (stock_list['sjl'] >=0) & (stock_list['sjl'] <= 29.01) & (stock_list['ltgb'] >= 0) & (stock_list['ltgb'] <= 3.11)
condition2 = (stock_list['ipo_price'] >= 1) & (stock_list['ipo_amount'] > 1000000) & (stock_list['zql'] >= 3) & (stock_list['zql'] <= 12)
return stock_list[condition1 & condition2]['stock_code'].tolist()
#获取股票列表
stock_list = get_stock_list(api)
#筛选符合条件的股票
matched_stocks = get_matched_stocks(api, stock_list)
#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。
