问财量化选股策略逻辑
选股逻辑为：在换手率为3%-12%、股票代码以60开头且今日控盘比例大于21%的股票进行选股。
选股逻辑分析
该选股策略主要考虑到控盘比例作为衡量股票流动性的重要指标，同时将选股范围缩小到换手率较为适中的股票，以期待获得更好的收益。
有何风险？
该选股策略将控盘比例作为重要考量因素，可能会忽略一些基本面因素的影响，如公司盈利情况等。同时，换手率比较宽泛，有可能会加入一些流动性较低的股票。
如何优化？
考虑补充基本面因素，并适当缩小换手率的范围，以避免加入流动性较差的股票。另外，还应该结合整体市场情况和宏观经济政策，更好地衡量股票价格可能的波动情况。
最终的选股逻辑
在换手率为3%-10%、股票代码以60开头且今日控盘比例大于21%的情况下进行选股。
同花顺指标公式代码参考
选股公式：
(CODETYPE="2" AND LEFT(CODE,2)="60" AND CONTROL_RRATIO>21 AND TURNOVERRATE>=3 AND TURNOVERRATE<=12)
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')
# 匹配满足条件的股票
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
if ts_code[:2] == '60':
daily_info = pro.daily_basic(ts_code=ts_code, trade_date='20211022')
if daily_info.iloc[0]['control_ratio'] > 0.21:
turnover_ratio = pro.daily(ts_code=ts_code, trade_date='20211022').iloc[0]['turnover_rate']
if turnover_ratio >= 0.03 and turnover_ratio <= 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, daily_data.iloc[-1]['market_cap'], daily_data.iloc[-1]['close'] / daily_data.iloc[0]['close']])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate'])
df = df.sort_values(by='increase_rate', 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。
