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、大单净量排行较高的股票中进行选股。
选股逻辑分析
该选股策略考虑到换手率和流动性的因素，以及大单净量的趋势和方向，能够更好地反映市场的情绪和资金流向，具有更好的市场适应性。
有何风险？
该选股策略主要风险在于，大单净量的波动性较大，可能会导致选出的股票涨跌幅过于激烈，不利于把握风险和收益的平衡。同时，该策略也存在因大单净量排名的局限性，可能忽略了其他重要的因素。
如何优化？
可考虑通过加入更多维度的指标进行细化和优化，例如结合技术指标、基本面、市场情绪等多个方面进行分析，从而提高选股质量和效果。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、大单净量排行较高的股票中进行选股。
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，且大单净量排行较高的股票。
Python代码参考
import pandas as pd
import tushare as ts
def get_stock_list(pro):
# 获取股票列表
stock_info = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,area,industry,market,fullname,enname')
stock_info = stock_info[stock_info['ts_code'].str.startswith('60')] # 筛选出股票代码以60开头的股票
return stock_info
def get_good_stocks(stock_list, pro):
# 获取符合选股规则的标的
good_list = []
# 遍历股票列表
for idx, stock in enumerate(stock_list.ts_code.tolist()):
print("正在处理第 {} 只股票，代码为 {}".format(idx+1, stock))
# 获取大单净量排行数据
moneyflow_hsgt = pro.moneyflow_hsgt(start_date='20210101', end_date='20211231')
moneyflow_hsgt = moneyflow_hsgt[moneyflow_hsgt['ts_code'] == stock]
if moneyflow_hsgt.empty:
continue
rank = moneyflow_hsgt.iloc[0]['rank']
# 判断是否符合选股条件
daily_basic = pro.daily_basic(ts_code=stock)
if daily_basic.iloc[0]['turnover_rate'] < 3 or daily_basic.iloc[0]['turnover_rate'] > 12:
continue
good_list.append([stock, rank, daily_basic.iloc[0]['total_mv']])
return good_list
# 获取股票列表
token = 'your token'
pro = ts.pro_api(token)
stock_list = get_stock_list(pro)
# 获取符合选股规则的标的
good_stocks = get_good_stocks(stock_list, pro)
good_stocks_df = pd.DataFrame(good_stocks, columns=['stock', 'rank', 'total_mv'])
good_stocks_df = good_stocks_df.sort_values(by='rank').reset_index(drop=True)
# 输出结果
print('选股结果：')
print(good_stocks_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。
