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日涨幅大于0小于35的股票中选取。
选股逻辑分析
该选股逻辑主要考虑了市场情绪和资金面因素，通过选取10日涨幅较为活跃且换手率较高的股票，同时限定了换手率范围和10日涨幅，加强了选股的效果。
有何风险？
该选股逻辑只考虑了市场情绪和资金面因素，可能存在股票基本面等其他因素对选股结果的影响，也可能存在市场快速变化、口碑风险等风险。
如何优化？
可以引入其他因素进行综合分析，例如基本面因素、行业环境等，以降低选股的风险。可以引入机器学习方法进行模型训练和特征工程，以提高选股的稳定性和效果。
最终的选股逻辑
在换手率3%-12%,剔除北京A股,10日涨幅大于0小于35的股票中进行选取，综合考虑其他因素并分析选股。
同花顺指标公式代码参考
无需使用指标公式。
Python代码参考
import tushare as ts
import numpy as np
import pandas as pd
def select_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选出换手率3%-12%,剔除北京A股,10日涨幅大于0小于35的股票
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df2 = pro.daily(trade_date='20210528', fields='ts_code,pre_close,close,change_pct')
df2['ten_day_pct_change'] = ((df2['close'] - df2['pre_close']) / df2['pre_close']) * 100
df2 = df2[df2['ten_day_pct_change'] > 0]
df2 = df2[df2['ten_day_pct_change'] < 35]
df1 = df1.merge(df2[['ts_code', 'ten_day_pct_change']], on='ts_code', how='inner')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['name'].str.contains('ST') == False)]
df1 = df1[(df1['area'] != '北京')]
df1 = df1.dropna(subset=['pb', 'pe'])
df1 = df1.head(20)
return df1
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。
