问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%,剔除北京A股,10天内涨停天数大于2的条件下，筛选股票。
选股逻辑分析
该选股策略的核心在于选取10天内涨停天数大于2的股票，判断股票市场情绪较好，存在较强的资金支持。同时设置换手率的框架，有效筛选出稳定性较好的股票。
有何风险？
股票涨停次数过多，经过后期退潮期的冲击，市场可能会出现不小的波动。同时仅关注涨停次数，可能无法完成更好的分类和评估。
如何优化？
-
增加其他指标
可以采用市盈率、股息率等其他评估指标作为参考条件。 -
考虑其他因素
可以考虑加入其他关键因素，如市值、行业等，以便更全面、全局地评估股票。
最终的选股逻辑
在换手率3%-12%,剔除北京A股,10天内涨停天数大于2的条件下，以市盈率、股息率等其他指标作为参考条件，加入其他关键因素，筛选出成长性较好、稳定性较高的股票。
同花顺指标公式代码参考
无
Python代码参考
import tushare as ts
def select_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
stocks = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code, name, industry, mktcap, turnover_rate')
for i in range(len(stocks)):
code = stocks.ts_code[i]
df2 = pro.daily(ts_code=code)
df2 = df2.sort_values(by='trade_date')
df2['pct_chg'] = df2['close'].pct_change().fillna(0)
df2['up_ceil'] = (df2['close'] * 1.1).shift(1).fillna(0)
df2['is_up_ceil'] = (df2['high'] >= df2['up_ceil']).astype(int)
stocks.loc[i, 'up_days'] = (df2[df2['is_up_ceil'] == 1].shape[0])
stocks = stocks[(stocks['name'].str.contains('ST') == False)]
stocks = stocks[(stocks['mktcap'] >= 300000000)]
stocks = stocks[(stocks['ts_code'].str.startswith('002') == True) | (stocks['ts_code'].str.startswith('000') == True)]
stocks = stocks[(stocks['turnover_rate'] >= 3) & (stocks['turnover_rate'] <= 12)]
stocks = stocks[(stocks['up_days'] > 2)]
stocks = stocks.set_index('ts_code')
return stocks
good_stocks = select_good_stocks()
print(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。
