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、股价为18.5元的股票中进行选股。
选股逻辑分析
该选股策略主要考虑到股价的合理性和流动性，因此选股逻辑更为明确和精细化。同时，将选股精确范围控制在某一特定价位，可以使得交易更规范、更易管理。
有何风险？
该选股策略主要风险在于，过于依赖特定价格范围的投资策略，可能会在市场波动或基本面变化时失去优势。同时，过于依赖行情或股价，可能会导致选股底层逻辑变得过于敏感，不利于长期稳定投资。
如何优化？
可考虑通过加入更多的基础面指标进行模型调整，针对个股的财务数据、公司治理等因素进行分析，从而优化选股规则，提高适应市场波动和基本面变化的能力。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、股价为18.5元的股票中进行选股。
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、股价为18.5元的股票。
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, price):
# 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))
# 获取股票的日线行情数据
df = pro.daily(ts_code=stock, start_date='20210101')
if df.empty:
continue
# 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
if abs(df.iloc[-1]['close'] - price) > 0.5:
continue
good_list.append([stock, daily_basic.iloc[0]['total_mv'], df.iloc[-1]['close']])
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
price = 18.5
good_stocks = get_good_stocks(stock_list, pro, price)
# 输出结果
df_good_stocks = pd.DataFrame(good_stocks, columns=['stock', 'total_mv', 'price'])
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。
