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%的股票中，上市年份为2021年且集中度低于20% 的股票。
选股逻辑分析
该选股策略选取的是换手率适中的股票中，上市时间较短，且分散风险比较低的股票。集中度反应了股东持股的集中程度，低于20%可以证明公司股权相对分散，分散风险比较低。此选股逻辑相对较为严格，但可以适用于寻找具有成长性的、但是风险适当的优质公司。
有何风险？
该选股策略存在以下风险：1、低集中度选股可能漏选了某些市值较小但表现较好的公司；2、忽略了公司的未来发展潜力，无法准确评估公司的价值；3、仅仅着重于部分特定指标而忽略了股票的整体情况。
如何优化？
为了更全面地分析公司的内部情况和前景，可以加入其他指标，如PEG、ROE等指标，以有利于更全面的筛选符合要求的企业。此外，集中度低于20%仅能够反应公司股权的分散度，无法准确反映公司股权结构中可能存在的影响公司治理的因素，因此可以将股权质量、股权关系复杂度等考虑进去，以降低风险。同时，应该在股票选择的过程中考虑一系列相关指标，如流动性、加权平均市值等。
最终的选股逻辑
选择换手率在3%-12%的股票中，上市年份为2021年且集中度低于20% 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['ltgb'], stock['zy'], stock['zql']) 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', 'ltgb', 'zy', 'zql'])
def get_matched_stocks(api, stock_list):
#筛选出符合条件的股票
condition1 = (stock_list['ltgb'] >= 200000000) & (stock_list['zql'] < 20)
condition2 = (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。
