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，基于企业性质进行选股。
选股逻辑分析
在选股策略中，选择换手率在3%-12%可以筛出交投活跃且波动不太大的股票，剔除北京A股可以避免地缘风险，基于企业性质的选股可根据不同的企业性质进行划分不同的股票。
有何风险？
该选股逻辑的风险包括：
-
企业性质并不能反映企业张力和风险，会存在选股指标单一的风险。
-
企业性质的分类主要依托于分类标准，可能因企业本身的特殊性质而无法套用分类标准，导致分类结果失真。
如何优化？
-
综合考虑其他指标
企业性质虽然是企业较为稳定的特征之一，但股票价值的变化受多方面因素的影响。除了企业性质外，还应该综合考虑其他指标，如基本面指标、技术面指标等。 -
定义更为合理的企业性质分类标准
企业性质分类应该根据实际情况，定义更为合理的分类标准，避免存在分类不准确的问题。
最终的选股逻辑
在换手率在3%-12%之间，剔除北京A股，基于综合考虑不同行业的企业性质选股，并综合考虑其他指标的影响。
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']:
for info in pro.stock_company(ts_code=ts_code, fields='ts_code,main_business_income_ratio,province,city,shanghai_era'):
if (info['province'] == '北京') | (info['city'] == '北京'):
break
if info['main_business_income_ratio'] > 0.5:
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。
