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开头且今日最低价小于昨日最低价的股票中进行选股。
选股逻辑分析
该选股策略主要考虑到市场的回归效应，即今日最低价小于昨日最低价的个股，有可能会出现反弹的情况，同时将选股范围缩小到换手率适中的股票，以期待获得稳定的收益。
有何风险？
该选股策略忽略了公司的基本面因素，如盈利能力和成长性等，同时只侧重于技术面因素，可能会错过一些优质股票，有较大的风险。
如何优化？
在技术面因素的基础上，加入基本面因素，进行多维度综合评估，在风控上加强要求，避免过度暴露于高风险股票。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头且今日最低价小于昨日最低价的情况下进行选股，同时加入公司盈利能力、成长性等基本面因素的综合考量。
同花顺指标公式代码参考
选股公式：
(CODETYPE="2" AND LEFT(CODE,2)="60" AND LOW<REF(LOW,1) 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(ts_code=ts_code, start_date='20211021', end_date='20211022')
if len(daily_info) == 2 and daily_info.iloc[1]['low'] < daily_info.iloc[0]['low']:
turnover_ratio = daily_info[daily_info['turnover_rate'] > 0]['turnover_rate'].mean()
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='20211022', end_date='20211022')
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。
