(supermind策略)换手率3%-12%、北京A股除外、2021年

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,2021年的股票中选取。

选股逻辑分析

该选股逻辑主要考虑了资金面因素，通过选取换手率较为活跃的股票进行筛选，并降低了北京A股的影响。同时，也限定了时间范围，加强了选股的效果。

有何风险？

该选股逻辑只关注了资金面因素和限定时间范围，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,2021年的股票中进行选取，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
    df1 = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
    df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
    df1 = df1[(df1['name'].str.contains('ST') == False)]
    df1 = df1[(df1['ts_code'].str.startswith('002') == True) | (df1['ts_code'].str.startswith('000') == True)]
    df1 = df1[df1['list_date'].str.startswith('2021') == True]
    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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind策略)换手率3%-12%、北京A股除外、2021年_