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，且涨幅在-5%到2.6%之间的股票中，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，同时加入了涨幅这一指标，以筛选出基本面较好、股价具有短期上涨价值的股票。
有何风险？
该选股策略同样仅考虑了部分股票筛选指标，因此在股票选择时可能会忽略其他对于股价上涨具有重要影响的因素。
如何优化？
可以通过加强基本面分析，比如加入财务指标、市场前景等因素，提高选股质量。同时，可以通过分析历史数据，寻找更合适的参数组合，提高选股策略的效果。
最终的选股逻辑
在换手率3%-12%、K小于20，且涨幅在-5%到2.6%之间的股票中，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 (LAST'涨幅率' < 2.6) AND (LAST'涨幅率' > -5)
选股结果：fml('(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND (LAST''涨幅率'' < 2.6) AND (LAST''涨幅率'' > -5)', 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
# 涨幅在-5%到2.6%之间
for stock in good_stocks.index.tolist():
df2 = ts.get_k_data(stock, ktype='D', autype='hfq')
if (df2.iloc[-1]['close'] - df2.iloc[-2]['close'])/df2.iloc[-2]['close'] > 0.026 or (df2.iloc[-1]['close'] - df2.iloc[-2]['close'])/df2.iloc[-2]['close'] < -0.05:
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。
