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，选择近两日最高点较高的股票。
选股逻辑分析
该选股逻辑主要侧重于技术面分析，通过筛选近期涨势较好、最近两日表现最佳的股票，获取潜在的强势股票，从而提高选股的准确性。
有何风险？
该选股逻辑的风险包括：1. 由于选股条件过于苛刻，可能会导致选股的样本量较小；2. 在选取近两日最高点较高的股票时，如果不能充分考虑市场整体走势的影响，可能会导致单边看多看空的情况出现。
如何优化？
该策略建议结合整体市场走势、行业热点、基本面数据等指标进行综合判断，并充分考虑选股条件的合理性，从而提高选股的准确性。
最终的选股逻辑
在换手率3%-12%、剔除北京A股的基础上，选择近两日最高点较高的股票，并结合整体市场走势、行业热点、基本面数据等指标进行综合判断。
同花顺指标公式代码参考
选股公式：(HSL >= 0.03) AND (HSL <= 0.12) AND REF(HIGH, 1) < REF(HIGH, 2)
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()
# 获取所有非科创板的股票
stock_basics = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market')
stock_basics = stock_basics[stock_basics.market != '科创板']
for ts_code in stock_basics['ts_code'].unique():
# 剔除北京A股
if stock_basics[stock_basics.ts_code == ts_code].iloc[0]['area'] == '北京':
continue
# 选取换手率在范围内的股票
all_data = pro.daily(ts_code=ts_code)
if all_data['turnover_rate'].iloc[0] < 3 or all_data['turnover_rate'].iloc[0] > 12:
continue
# 判断最高点是否满足条件
period = 'D'
k_data = pro.daily(ts_code=ts_code, start_date='20200101', end_date='20210101')
if k_data['high'].iloc[-2] < k_data['high'].iloc[-1]:
continue
good_list.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_list)
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。
