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、量比大于1.5、量比小于6的股票中进行选股。
选股逻辑分析
该选股策略从流动性、股票品种、市场关注度三个方面考虑。流动性主要是从股票的交易流通性角度进行考虑；股票品种主要是要求股票代码以60开头，以便稳定市场波动；市场关注度主要是从量比的角度进行考虑，量比大于1.5、小于6的意味着该股票受到一定的市场关注，但不会过于热门。
有何风险？
该选股策略同样忽略了一些股票的基本面情况，如果市场出现大的变化，该选股策略可能不能很好地适应市场状况。同时，该选股策略可能会漏掉某些优秀的股票，例如一些股票的量比可能低于1.5，但具有一定投资价值。
如何优化？
可以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和基本面指标，例如RSI、MACD等，以更好地反映市场的短期波动情况。此外，可以针对不同的行业和市场行情，制定不同的选股逻辑。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、量比大于1.5、小于6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、量比大于1.5，小于6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,volratio')
# 遍历数据，判断是否符合选股规则
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
vol_ratio = data.iloc[i]['volratio']
turnover_rate = data.iloc[i]['turnover_rate']
if ts_code[:2] == '60' and vol_ratio > 1.5 and vol_ratio < 6 and turnover_rate >= 3 and 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']
# 获取股票量比
def get_stock_vol_ratio(pro, stock_code):
data = pro.daily_basic(ts_code=stock_code, trade_date='20210219', fields='ts_code,volratio')
return data.iloc[0]['volratio']
# 获取股票收益率
def get_stock_pct_chg(pro, stock_code):
data = pro.daily(ts_code=stock_code, trade_date='20210219', fields='ts_code,pct_chg')
return data.iloc[0]['pct_chg']
# 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、量比和收益率
result = []
for stock_code in good_stocks:
market_value = get_stock_market_value(pro, stock_code)
vol_ratio = get_stock_vol_ratio(pro, stock_code)
pct_chg = get_stock_pct_chg(pro, stock_code)
result.append([stock_code, market_value, vol_ratio, pct_chg])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_value', 'vol_ratio', 'pct_chg'])
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。
