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股以及今日最低价小于昨日最低价的股票中选取。
选股逻辑分析
此选股逻辑主要考虑了股票市场波动和技术面反弹，通过筛选今日的最低价小于昨日最低价的非北京A股，来寻找股票价格剧烈波动过后可能出现的反弹机会，以增大盈利的概率。同时，筛选出换手率3%-12%的股票，以减少利用高换手率带来的非自然因素，降低投资风险。
有何风险？
该选股方法主要依赖于技术面分析，忽略了基本面因素，存在一定的市场风格依赖性。同时，该选股方法容易出现短期反弹后再次下跌的情况，需要结合其他指标进行判断。
如何优化？
可以结合其他技术指标进行判断，如均线、成交量、MACD等因素进行综合判断，降低选择错误的概率。同时也可以结合基础面的分析，如行业分析，公司盈利能力、管理层的背景和公司的财务状况等特征。
最终的选股逻辑
在换手率3%-12%,剔除北京A股以及今日最低价小于昨日最低价的股票中进行选取，并综合考虑其他相关因素对股票进行筛选，进一步排除异常情况的干扰。
同花顺指标公式代码参考
本选股逻辑无需使用同花顺指标公式。
Python代码参考
import tushare as ts
import datetime
def select_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选今日最低价小于昨日最低价的非ST股，且不是北京股票
df1 = pro.stock_basic(exchange='', 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['area'] != '北京')]
today = datetime.date.today().strftime('%Y%m%d')
df_daily = pro.daily(trade_date=today)
df_pre_daily = pro.daily(trade_date=datetime.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,low')
df1 = pd.merge(df1, df_daily[['ts_code', 'trade_date', 'low']], on='ts_code')
df1 = pd.merge(df1, df_pre_daily[['ts_code', 'low']], on='ts_code')
df1 = df1[df1['low_x'] < df1['low_y']]
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。
