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、10日涨幅大于0小于35的股票中进行选股。
选股逻辑分析
该选股策略从流动性、市值入手，选出的股票具有较好的流动性、市值较大，同时限制了换手率，降低了波动率和风险，而10日涨幅的设置在一定程度上考虑了股票的市场表现，寻找短期有涨幅潜力的个股。
有何风险？
该选股策略依然缺乏基本面因素的考虑，可能忽略了股票的长期发展潜力，选择的股票存在一定的风险。
如何优化？
可在选股规则中加入一些符合基本面的因素，如收益、自由现金流等指标，以增加选股策略的稳定性，降低风险。此外，加入一些技术指标进行辅助，如MACD、RSI等，以更全面、多维度地衡量股票的潜力。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、10日涨幅大于0小于35的股票中进行选股。
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、10日涨幅大于0小于35的股票。
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':
daily_data = pro.daily(ts_code=ts_code, start_date='20210927', end_date='20211008')
if daily_data['turnover_rate'].mean() >= 0.03 and daily_data['turnover_rate'].mean() <= 0.12:
if daily_data['pct_chg'].between(0, 35).sum() >= 5:
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。
