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、昨天的换手率大于8%的股票中进行选股。
选股逻辑分析
该选股策略从流动性和市场情绪两个方面考虑，根据昨天的换手率，可以更好地反映市场的活跃度和市场情绪。同时选择了60开头的股票，可以对候选股票进行初步筛选。
有何风险？
该选股策略可能会忽略其他股票的重要指标，例如基本面因素。此外，昨天的换手率可能不一定能够反映最近市场的活跃度和市场情绪，忽略了市场的短期波动因素。
如何优化？
可增加一些基本面因素作为选股条件，例如市盈率、市净率等指标，以更全面地考虑股票的运作情况。同时，可以采用更多的技术指标及基本面指标，例如RSI、MACD等，以更好地反映市场的短期波动情况。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、昨天的换手率大于8%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，昨天的换手率大于8%的股票。
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.daily_basic(ts_code='', trade_date='20210219', fields='ts_code,turnover_rate_f')
# 遍历所有股票，判断是否符合选股规则
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
turnover_rate_f = data.iloc[i]['turnover_rate_f']
if turnover_rate_f >= 8 and ts_code[:2] == '60' and data.iloc[i]['turnover_rate'] >= 3 and data.iloc[i]['turnover_rate'] <= 12:
good_list.append(ts_code)
return good_list
# 获取股票市值
def get_stock_market_value(pro, stock_code):
data = pro.daily_basic(ts_code=stock_code, trade_date='20210219', fields='ts_code,total_mv')
return data.iloc[0]['total_mv']
# 获取股票换手率
def get_stock_turnover_rate(pro, stock_code):
data = pro.daily_basic(ts_code=stock_code, trade_date='20210219', fields='ts_code,turnover_rate_f')
return data.iloc[0]['turnover_rate_f']
# 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换手率
result = []
for stock_code in good_stocks:
market_value = get_stock_market_value(pro, stock_code)
turnover_rate = get_stock_turnover_rate(pro, stock_code)
result.append([stock_code, market_value, turnover_rate])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_value', 'turnover_rate'])
df = df.sort_values(by='market_value', 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。
