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，按照资金强度由大到小进行排序。
选股逻辑分析
该选股策略仍然选择了低换手率的股票，并依据资金强度进行排序，可以有效筛选出市场热点股，具有一定的市场价值。
有何风险？
该选股策略存在以下风险：1、可能会忽略一定的行业基本面数据，导致选股产生偏差；2、将股票按照资金强度排序可能对短期交易者有益，但对于长线投资者来说可能影响其长期持股收益。
如何优化？
建议除了行业基本面数据外，还可引入一些技术指标和市场信息，进一步提高选股策略的准确性。同时，对于长线投资者，不必过于刻意追求短期资金强度排序，应根据自身投资风格和目标而定。
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，按照资金强度由大到小排序。
同花顺指标公式代码参考
选股公式：SELECT S_INFO_WINDCODE, S_DQ_MV FROM ASHARESWIND.ASHARES_DAILY_PRICE WHERE TRADE_DT = '20220301' AND S_INFO_WINDCODE like '60%(%' AND S_DQ_VOLUME / S_SHARE_TOTALA <= 12 AND S_DQ_VOLUME / S_SHARE_TOTALA >= 3 AND S_INFO_SECTORTYPE_SW_L1 NOT IN ('传媒', '电力', '通信') ORDER BY S_DQ_MV DESC
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 sort_stock_by_mkt_value(stock_list, api):
#按照市值大小排序
mkt_value_list = []
for stock_code in stock_list['ts_code'].tolist():
daily = api.daily(ts_code=stock_code, start_date='20220301', end_date='20220301')
if len(daily) > 0:
mkt_value_list.append({'ts_code': stock_code, 'mkt_value': daily['total_mv'].tolist()[0]})
mkt_value_df = pd.DataFrame(mkt_value_list)
return mkt_value_df.sort_values(by='mkt_value', ascending=False)['ts_code'].tolist()
#获取股票列表
stock_list = get_stock_list(pro)
#按照资金强度排序
sorted_stocks = sort_stock_by_mkt_value(stock_list, pro)
#输出结果
print("下列股票按照资金强度排序：")
print(sorted_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。
