问财量化选股策略逻辑
选股逻辑为：在换手率在3%-12%,剔除北京A股，按个股热度从大到小排序名进行选股。
选股逻辑分析
在选股策略中，换手率在3%-12%可以筛出近期交投活跃但并未过于波动的股票，剔除北京A股可以避免地缘风险，选择按个股热度从大到小排序名也可让我们知道市场对该股票的热度程度，有更明确的市场信息。
有何风险？
该选股逻辑的风险包括：
-
该选股逻辑没有考虑股票的基本面和技术面指标，只根据市场信息进行选股，有可能选到低质量的股票。
-
股票的热度是随时间变化的，可能出现一些原本不太热门的股票临时冷门，而出现一些原本不太热门的股票临时冷门，被误判为非优质股票。
如何优化？
-
结合多个指标
应该综合考虑选股的多个指标,如滚动市盈率、市净率等基本面指标，以及相对强度指标、金叉死叉等技术指标，而不仅仅依靠一个指标进行选股。 -
考虑股票的基本面
在选股时应该考虑股票的基本面、公司财务状况等因素，避免仅依赖市场信息而选择了一些低质量的股票。
最终的选股逻辑
在换手率在3%-12%之间，剔除北京A股，根据综合指标、基本面、技术面等因素进行选股，并按照个股热度大小排序。
同花顺指标公式代码参考
通达信指标：
无
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()
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']:
pe_ratio = pro.daily_basic(ts_code=ts_code, start_date='20210701', end_date='20210701')['pe'][0]
if pe_ratio > 0:
turnover_rate = pro.daily_basic(ts_code=ts_code, start_date='20210701', end_date='20210701')['turnover_rate'][0]
if turnover_rate >=3 and turnover_rate <=12:
df=pro.daily(ts_code=ts_code,start_date='20210810',end_date='20210810', fields='ts_code,trade_date,close,vol,amount')
if not df.empty:
df=df.sort_values('vol',ascending=False)
if df['trade_date'][0]=='20210810':
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.sort_values('volume',ascending=False)
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。
