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、排除北京A股的企业中进行选股。
选股逻辑分析
该选股策略结合了流动性和市场分布的因素，选择具有较好的流动性、排除一定范围的地域风险，符合这些条件的企业具有较好的投资性价比。
有何风险？
该选股策略过分追求流动性和市场分布因素，同时忽略了企业本身经营状况和盈利能力的因素，容易造成过度追求或忽略某些权重因素。
如何优化？
可在选择股票符合一定市场分布条件的同时，加入企业的基本面分析因素，如利润增长率、资产负债率等，从而更好地评估企业的价值和投资潜力。同时也需要考虑整体市场因素，如宏观经济政策、股市波动等。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、排除北京A股的企业中进行选股。
同花顺指标公式代码参考
选择换手率在3%-12%、股票代码以60开头、排除北京A股的企业。
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')
# 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':
if data.iloc[i]['area'] != '北京':
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。
