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开头的股票中选股，并按个股热度从大到小排序。
选股逻辑分析
该选股策略主要考虑了股票的稳健性和市场地位，同时优先选择市场热度较高的股票。个股热度指标可能会反映市场对该股票未来发展的预期，从而有助于更好地选股。
有何风险？
市场热度指标可能存在一定的滞后性，有可能会导致选择了已经过热的股票或者错过了即将超额增长的标的股票。同时，这个指标也容易受到市场情绪的影响，可能会存在一定的不确定性。
如何优化？
可以综合考虑市场热度指标、财务指标以及技术指标来进行选股。同时，可以利用机器学习等方法来对市场热度进行预测，以更好地把握市场机会。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头的股票中选股，并按个股热度从大到小排序。
同花顺指标公式代码参考
选股公式：选取股票代码以60开头、换手率为3%-12%的标的，并按照个股热度从大到小排序。可以使用通达信的技术指标进行选股，如均线等。
Python代码参考
import pandas as pd
import tushare as ts
token = 'your token'
pro = ts.pro_api(token)
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, api):
# 获取符合选股规则的标的
good_list = []
# 获取交易日历和当前交易日
trade_cal = api.trade_cal(exchange='', start_date='20220101', end_date='20220301', is_open='1')
trade_cal = trade_cal.loc[trade_cal['cal_date'] >= '2020-01-01', 'cal_date'].tolist()
current_trade_date = trade_cal[-1]
# 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))
daily_basic = api.daily_basic(ts_code=stock, trade_date=current_trade_date)
if daily_basic.empty or daily_basic.iloc[0]['pe'] <= 0:
continue
turnover_rate = daily_basic.iloc[0]['turnover_rate']
if turnover_rate >= 3 and turnover_rate <= 12:
good_list.append([stock, daily_basic.iloc[0]['pe'], daily_basic.iloc[0]['turnover_rate']])
# 对符合要求的股票按照 turnover_rate 排序
good_list = sorted(good_list, key=lambda x: x[2], reverse=True)
return good_list
# 获取股票列表
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)
# 输出结果
df_good_stocks = pd.DataFrame(good_stocks, columns=['stock', 'PE', 'turnover_rate'])
print('选股结果：')
print(df_good_stocks)
## 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。
