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股以及今日控盘＞21的股票中选取。
选股逻辑分析
此选股逻辑除了考虑换手率和地域因素外，加入了今日控盘的因素。选取今日控盘大于21%的股票，意味着有更多的股票集中在少数人手中，从而可能获得更高的涨幅。
有何风险？
相对前一个选股策略而言，增加了控盘比例的因素，这样容易引入操纵股票价格的风险。由于额外的控盘因素会增加股票的不确定性，因此股票价格的波动可能会增加。
如何优化？
可以考虑综合考虑其他因素，如基本面指标、技术指标等，以减少此选股逻辑自身的风险。此外，可以尝试使用机器学习等方法进行模型训练和数据特征工程，以提高选股精确度。
最终的选股逻辑
在换手率3%-12%,剔除北京A股以及今日控盘＞21的股票中进行选取，并综合考虑其他相关因素对股票进行筛选。
同花顺指标公式代码参考
选股逻辑中只涉及到今日控盘，无需使用指标公式。
Python代码参考
import tushare as ts
import pandas as pd
def select_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选出反包内的股票
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df2 = pd.read_excel('path/to/reverse_list.xlsx')
reverse_stocks = df2['代码'].tolist()
df1 = df1[df1['ts_code'].isin(reverse_stocks)]
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['name'].str.contains('ST') == False)]
df1 = df1[(df1['area'] != '北京')]
df_day = pro.stk_holdernumber(ts_code='', trade_date='20211216')
df_day = df_day[['ts_code', 'holder_num']]
df_day['is_high'] = df_day['holder_num'].apply(lambda x: True if x > 0.21 else False)
df_day = df_day[df_day['is_high']]
df1 = pd.merge(df1, df_day, how='left', on='ts_code')
df1 = df1.dropna(subset=['is_high'])
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。
