问财量化选股策略逻辑
该选股策略选股逻辑为：在换手率为3%-12%、股票代码以60开头、市值低于100亿、连续三年无亏损的企业中进行选股。
选股逻辑分析
该选股策略结合了流动性、市值和企业盈利的因素，选择具有较好的流动性、市值较小、并且连续三年盈利的企业进行选股。符合这些条件的企业在短期和中期内具有较好的投资价值，更具投资潜力。
有何风险？
该选股策略仍然需要性别市场对于整体经济和行业发展的分析，同时该选股策略过分追求企业盈利，忽略了企业的竞争力和行业波动性，可能存在监管限制等因素的影响。
如何优化？
可在选择企业无亏损的条件的同时，加入一些符合企业盈利能力的因素，如归母净利润增长率、资产回报率等指标，从而更好地评估企业的盈利水平。同时也需要结合行业和宏观经济趋势进行选股。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、市值低于100亿、连续三年无亏损的企业中进行选股。
同花顺指标公式代码参考
选股公式：选择换手率在3%-12%、股票代码以60开头、市值不超过100亿、过去三年均为盈利的企业。
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')
# 遍历数据，判断是否符合选股规则
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
if ts_code[:2] == '60':
fin_data = pro.fina_indicator(ts_code=ts_code, start_date='20190101', end_date='20211231')
if fin_data['end_date'][0][:4] == '2021':
if fin_data['is_profit'].prod() == 1 and fin_data.iloc[0]['total_mv'] <= 100:
daily_data = pro.daily(ts_code=ts_code, start_date='20211011', end_date='20211018')
if daily_data['turnover_rate'].mean() >= 0.03 and daily_data['turnover_rate'].mean() <= 0.12:
good_list.append(ts_code)
return 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='20211011', end_date='20211018')
increase_list = daily_data['close'].pct_change()
result.append([stock_code, increase_list[increase_list > 0.1].count()])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'num_of_limit_up'])
df = df[df['num_of_limit_up'] > 0]
df = df.sort_values(by='num_of_limit_up', 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。
