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股以及近25个交易日中有单日涨幅大于等于百分之10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，加入了近25个交易日中的单日涨幅大于等于百分之10的因素。这意味着选股策略会优先选择近期大涨的股票，从而尝试追踪这些股票的连续上涨趋势。
有何风险？
如果市场整体处于下跌期，这种追踪近期大涨的股票策略可能会带来更大的亏损。此外，如同其他技术分析一样，这种选股逻辑同样面临着忽略了基本面因素的潜在风险。
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股以及近25个交易日中有单日涨幅大于等于百分之10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单日涨幅，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')]
# 获取近25个交易日涨幅大于等于10%的股票
start_date = (pd.Timestamp.now() - pd.Timedelta(days=90)).strftime('%Y%m%d')
end_date = pd.Timestamp.now().strftime('%Y%m%d')
df_daily = pro.daily(trade_date='', start_date=start_date, end_date=end_date)
df_daily['pct_chg'] = df_daily['pct_chg'] / 100
df_daily = df_daily[df_daily['pct_chg'] >= 0.10]
stocks = df_daily['ts_code'].unique().tolist()
df1 = df1[df1['ts_code'].isin(stocks)]
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。
