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，选择今日最大跌幅在-4%和-5%之间的股票进行选股。
选股逻辑分析
该选股逻辑的策略是找到价格出现大幅度下跌的股票，然后进行反弹买入，即所谓“低吸高抛”策略。但此策略对股票市场的反应速度较为敏感，若出现某些特殊情况下，易造成操作失误。
有何风险？
该选股逻辑的风险包括：1. 过度依赖单一事件或指标，容易导致选股思路受限；2. 因价格波动等因素造成的操作失误可能会影响长期收益。
如何优化？
-
对市场的反应速度不宜过度敏感。
可以加入其他指标，如财务指标、技术指标等，综合考虑股票的基本情况，避免因价格波动等因素造成操作失误。 -
避免盲目跟风。
不应单纯依靠股票的价格波动进行选股，而应该注重股票的内在价值、业绩、前景等因素，以避免盲目跟风而导致损失的风险。
最终的选股逻辑
在换手率3%-12%,剔除北京A股的基础上，选择今日最大跌幅在-4%和-5%之间的股票进行选股。
同花顺指标公式代码参考
选股逻辑中需要用到今日最大跌幅在-4%和-5%之间的指标，通达信中的指标为：(HIGH - CLOSE)/CLOSE >= 0.04 and (HIGH - CLOSE)/CLOSE < 0.05。
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
trade_cal = pro.trade_cal(exchange='', start_date='20210201', end_date='20210228', fields='cal_date,is_open')
trade_date = trade_cal[trade_cal.is_open == 1].iloc[-1].cal_date
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry')
stock_list = stock_list[stock_list['name'].str.contains('ST') == False]
good_stocks = []
for ts_code in stock_list['ts_code']:
daily = pro.daily(ts_code=ts_code, start_date=trade_date, end_date=trade_date)
if daily.empty:
continue
if ((daily.iloc[0]['high'] - daily.iloc[0]['close']) / daily.iloc[0]['close'] >= 0.04) and ((daily.iloc[0]['high'] - daily.iloc[0]['close']) / daily.iloc[0]['close'] < 0.05):
good_stocks.append([ts_code, stock_list[stock_list.ts_code == ts_code].iloc[0].name, stock_list[stock_list.ts_code == ts_code].iloc[0].industry])
good_stocks = pd.DataFrame(good_stocks, columns=['ts_code', 'name', 'industry'])
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。
