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、集中度（前20%的股东持股比例之和）在70%以下的股票中进行选股。
选股逻辑分析
该选股策略综合考虑了股票代码、换手率、集中度等因素，筛选出具有一定流动性、市值和分散程度的股票，有利于降低投资风险和提高投资收益。
有何风险？
选股逻辑过于偏向基本面因素，忽视了宏观经济环境、政策变化等非基本面因素对股票的影响，投资风险仍存在不确定性。
如何优化？
在选股逻辑中加入技术指标等量化因素，结合宏观经济环境、行业趋势等非基本面因素，形成多维度、多因素的选股模型，从而提高策略的有效性。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、集中度（前20%的股东持股比例之和）在70%以下的股票中进行选股。
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，同时集中度（前20%的股东持股比例之和）在70%以下的股票。
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, 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:
continue
# 进一步筛选符合条件的标的
if daily_basic.iloc[0]['holders'].split(',')[1] < '70':
price = daily_basic.iloc[0]['close']
turnover_rate = daily_basic.iloc[0]['turnover_rate']
if price < 12 and turnover_rate >= 3 and turnover_rate <= 12:
good_list.append([stock, daily_basic.iloc[0]['total_mv'], price])
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
good_stocks = get_good_stocks(stock_list, pro)
# 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。
