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，选择前日实际换手率大于3%且小于28%的股票。
选股逻辑分析
该选股逻辑主要考虑了短期的实际换手率，选择换手率在合理范围内的股票，以期望挖掘到市场交投活跃且有潜力的股票。
有何风险？
该选股逻辑的风险包括：1. 未考虑股票的价格、基本面等其他因素对选股的影响；2. 短期实际换手率可能受到市场情绪等短期因素的影响，具备一定的不确定性。
如何优化？
-
结合其他指标
在短期实际换手率的基础上，可以结合其他技术指标和基本面指标，如RSI、MACD、PE等来更加全面地分析股票的潜力和风险。 -
合理设置实际换手率范围
可以根据历史数据和行业情况，合理设置实际换手率的阈值范围，以避免选股过于保守或冒险。
最终的选股逻辑
在换手率3%-12%、剔除北京A股的基础上，选择前日实际换手率大于3%且小于28%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 (REF(HSL,2) > 0.03) AND (REF(HSL,2) < 0.28)
其中，前日实际换手率大于3%且小于28%的筛选条件为：(REF(HSL,2) > 0.03) AND (REF(HSL,2) < 0.28)
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()
# 获取前日实际换手率大于3%且小于28%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['vol'][1]/daily_data['float_share'][1] > 0.03 and daily_data['vol'][1]/daily_data['float_share'][1] < 0.28:
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。
