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股的基础上，选择dea线上涨的股票。
选股逻辑分析
该选股逻辑主要侧重于技术面分析，通过筛选dea线上涨的股票，寻找近期有上涨趋势的股票，从而提高选股的准确性。
有何风险？
该选股逻辑的风险包括：1. 过度依赖技术面分析，而忽略了基本面的影响；2. 忽视市场整体趋势，而选择反弹过度的股票导致赔钱。
如何优化？
该策略建议结合其他指标进行综合分析，比如基本面指标（如市盈率、市净率、ROE等）以及量价分析指标（如成交量、MACD等），在判断技术面上涨时，应考虑其他因素的影响，在风险可控的情况下才进行投资。
最终的选股逻辑
在换手率3%-12%、剔除北京A股的基础上，选择dea线上涨且结合其他指标进行综合分析的股票。
同花顺指标公式代码参考
选股公式：(HSL >= 0.03) AND (HSL <= 0.12) AND DEA > REF(DEA, 1)
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
good_list = []
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有非科创板的股票
stock_basics = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market')
stock_basics = stock_basics[stock_basics.market != '科创板']
for ts_code in stock_basics['ts_code'].unique():
# 剔除北京A股
if stock_basics[stock_basics.ts_code == ts_code].iloc[0]['area'] == '北京':
continue
# 选取换手率在范围内的股票
all_data = pro.daily(ts_code=ts_code)
if all_data['turnover_rate'].iloc[0] < 3 or all_data['turnover_rate'].iloc[0] > 12:
continue
# 判断dea线是否上涨
k_data = pro.daily(ts_code=ts_code, start_date='20200101', end_date='20220101')
dea_data = pd.DataFrame(index=k_data['trade_date'], data={'close': k_data['close']}).ta.dea()
if dea_data.iloc[-1] <= dea_data.iloc[-2]:
continue
good_list.append({
'ts_code': ts_code,
'name': stock_basics[stock_basics.ts_code == ts_code].iloc[0]['name'],
'industry': stock_basics[stock_basics.ts_code == ts_code].iloc[0]['industry'],
'market': stock_basics[stock_basics.ts_code == ts_code].iloc[0]['market'],
})
good_stocks = pd.DataFrame(good_list)
return good_stocks
good_stocks = get_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。
