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，且当日收盘价高于昨日最低价的股票中，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，同时加入了当日收盘价高于昨日最低价这一条件，以筛选出股价具有短期上涨价值的股票。
有何风险？
该选股执策略忽略了其他影响股票上涨的因素，另外该指标是短期涨跌幅的影响，不一定与股票的基本面相关，存在一定的市场随机性。
如何优化？
结合基本面因素，如加入财务指标和市场前景等因素，提高选股质量，并可以通过分析历史数据，寻找更合适的参数组合，提高选股策略效果。
最终的选股逻辑
在换手率3%-12%、K小于20，且当日收盘价高于昨日最低价的股票中，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 (C > LLV(L, 1))
选股结果：fml('(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND (C > LLV(L,1))', 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
# 收盘价大于昨日最低价
for stock in good_stocks.index.tolist():
df2 = ts.get_k_data(stock, ktype='D')
if df2.iloc[-1]['close'] >= df2.iloc[-2]['low']:
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。
