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，流通市值50-100亿的股票中，选择具有较高盈利潜力的优质股票买入。
选股逻辑分析
该选股策略通过选择换手率、K值和流通市值等指标，筛选具有较小风险的股票，并在此基础上考虑股票的盈利潜力，从而寻找高性价比的优质股票。该策略相比之前的逻辑，更加注重基本面及成长性的综合考虑。
有何风险？
由于该选股策略仅考虑单一指标，同时也会忽略掉一些有潜力的新兴公司。该策略笼统的界定流通市值可能会有一些漏选或炒作的风险。
如何优化？
可以增加其他指标，如营收和毛利润等基本面指标，从而更全面地反映公司业务情况。同时，也可以设定更细致的流通市值界定标准，以增加筛选的质量。
最终的选股逻辑
在换手率3%-12%，K小于20，流通市值50-100亿的股票中，选择具有良好财务状况、较好盈利潜力、行业竞争优势等特点的优质股票买入。
同花顺指标公式代码参考
选股条件：(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND (MCIRC <= 100 AND MCIRC >= 50)
选股结果：fml('(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND (MCIRC <= 100 AND MCIRC >= 50)', 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
# 流通市值50-100亿
for stock in good_stocks.index.tolist():
mc = basic_info.loc[stock]['nmc'] / 100000000
if mc > 100 or mc < 50:
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。
