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股且近一个月内有涨停的股票中选取。
选股逻辑分析
该选股逻辑主要考虑了市场热点股的效应，一旦股票发生涨停，说明市场热度高，有望反弹。同时，通过换手率的限定和北京A股的剔除，严格控制选股的风险。
有何风险？
该选股逻辑过于依赖市场的情绪，可能会忽略一些基本面因素，并且忽略了涨停股的回落概率。同时，判断涨停较难，如果由于市场消息等因素导致误判，可能会给投资造成损失。
如何优化？
为了避免过度依赖市场情绪，可以综合考虑其他指标，如RSI、KDJ等，评估股票的市场价格是否处于超买/超卖状态，减少投资风险。同时，对涨停股票需要进行更加严格的筛选和深入的分析，确定是否仍然适合投资。
最终的选股逻辑
在换手率3%-12%,剔除北京A股且近一个月内有涨停的股票中进行选取，并综合考虑其他相关因素对股票进行筛选，减少投资风险，提高投资成功率。
同花顺指标公式代码参考
暂无
Python代码参考
import tushare as ts
import datetime
def select_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选换手率3%-12%,剔除北京A股,近一个月内有过涨停的股票
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['area'] != '北京')]
datetoday = datetime.datetime.today()
datelastmonth = datetoday - datetime.timedelta(days=30)
trade_date_start = str(datelastmonth)[0:10]
trade_date_end = str(datetoday)[0:10]
df1['is_st'], df1['publish_date'], df1['end_date'], df1['reason'] = pro.stk_limit_list(trade_date_start=trade_date_start, trade_date_end=trade_date_end, fields='ts_code,is_st,publish_date,end_date,reason')
df1 = df1[df1['is_st'] == '1']
df1 = df1.head(20)
return df1
good_stocks = select_good_stocks()
print(good_stocks)
其中需要替换掉 your_token 为你的tushare token。
## 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。
