问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、K小于20，且30日平均线向上的股票中，选择具有较高盈利潜力的优质股票买入。
选股逻辑分析
该选股策略同样注重了换手率和K值这两个技术指标，同时加入了30日平均线向上这一趋势指标，以筛选出具有中长期上涨价值的股票。
有何风险？
该选股策略将重点放在了技术指标上，相对忽略了基本面的影响因素，可能会出现选出的股票与市场整体走势不符合的情况。
如何优化？
可将基本面因素加入选股策略中，如选择具有良好财务状况和市场前景，符合行业趋势以及财务指标与股价预期相匹配的优质股票。同时，可以通过更加严格的条件筛选，并结合其他技术指标，提高选股的精度。
最终的选股逻辑
在换手率3%-12%、K小于20，且30日平均线向上的股票中，选择具有优秀的财务状况和业务前景，符合行业趋势以及财务指标与股价预期相匹配的优质股票，以获得长期收益。
同花顺指标公式代码参考
选股条件：(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND ((MA(C, 30) - REF(MA(C, 30),1))>0)
选股结果：fml('(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND ((MA(C, 30) - REF(MA(C, 30),1))>0)', TC)
Python代码参考
import tushare as ts
import pandas as pd
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
basic_info = ts.get_stock_basics()
good_stocks = basic_info[(basic_info['turnoverratio'] >= 3) & (basic_info['turnoverratio'] <= 12)]
# K值小于20
for stock in good_stocks.index.tolist():
df1 = ts.get_k_data(stock, ktype='D')
if df1.iloc[-1]['K'] >= 20:
good_stocks.drop([stock], inplace=True)
continue
# 30日平均线向上
for stock in good_stocks.index.tolist():
df2 = ts.get_k_data(stock, ktype='D')
ma_30 = df2['close'].rolling(window=30).mean()
if ma_30.iloc[-1] > ma_30.iloc[-2]:
continue
else:
good_stocks.drop([stock], inplace=True)
continue
# 盈利潜力
good_stocks['eps_ratio'] = good_stocks['esp'] / good_stocks['bvps']
good_stocks = good_stocks[good_stocks['esp'] > good_stocks['eps_ratio']]
# 行业情况
sw_industry = ts.get_industry_classified()
sw_industry.set_index('code', inplace=True)
good_stocks = pd.merge(good_stocks, sw_industry, on='code')
good_stocks = good_stocks[good_stocks['c_name'].str.contains('主板')]
return good_stocks
good_stocks = select_good_stocks()
print(good_stocks.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。
