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，选择股票均价站在五日均线之上的股票。
选股逻辑分析
该选股逻辑在考虑了交投活跃度的同时，也关注了股票的技术面指标，通过选取股票均价站在五日均线之上，来寻找一些具备强劲技术面的股票，以期望挖掘到市场热点板块。
有何风险？
该选股逻辑的风险包括：1. 未考虑股票的基本面指标等其他因素对选股的影响，导致可能选择的股票质量参差不齐；2. 不同股票的技术面指标可能存在差异，使用固定的技术指标来筛选存在一定的风险。
如何优化？
-
结合基本面指标
可以通过增加基本面指标（如PE、ROE等）等指标来辅助筛选具备强劲技术面和基本面的优质股票。 -
动态更新技术指标
可以根据不同行业或市场的情况，动态设置技术指标的阈值，以减小风险。
最终的选股逻辑
在换手率3%-12%、剔除北京A股的基础上，选择股票均价站在五日均线之上的股票。
同花顺指标公式代码参考
选股公式：(HSL >= 0.03) AND (HSL <= 0.12) AND (SYMBOL_MKTCODE == '100' OR SYMBOL_MKTCODE == '200') AND (CLOSE > MA(CLOSE, 5))
其中，股票均价站在五日均线之上的筛选条件为：(CLOSE > MA(CLOSE, 5))
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()
# 获取股票均价站在五日均线之上的股票
stock_basics = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market')
good_stocks = []
for ts_code in stock_basics['ts_code'].tolist():
daily_data = pro.daily(ts_code=ts_code, start_date='20210101')
if daily_data['close'][0] > daily_data['ma5'][0] and daily_data['vol'][0]/daily_data['float_share'][0] > 0.03 and daily_data['vol'][0]/daily_data['float_share'][0] < 0.12:
good_stocks.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_stocks)
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。
