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股且昨日未涨停的股票中选取。
选股逻辑分析
该选股逻辑同样考虑了市场情绪和风险控制，通过限制换手率和北京A股并剔除昨日涨停的股票，既可以控制风险，也可以把握市场的涨升机会。
有何风险？
该选股逻辑同样过于依赖市场情绪，忽略了基本面的因素，并且忽略了昨日涨停的股票依然存在接下来的潜在风险。同时，也有可能因为选股的限制过多，导致候选股票数量不足。
如何优化？
可以综合使用其他指标如PE、PB、RSI等，对股票的基本面和市场价格进行综合评估，从而提高投资成功率。同时，也可以适当放宽一些选股限制，如换手率的范围等，扩大选股空间。
最终的选股逻辑
在换手率3%-12%,剔除北京A股且昨日未涨停的股票中进行选取，并结合其他基本面和市场指标进行综合评估，以提高投资成功率。
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,昨日没涨停的股票
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()
datelastday = datetoday - datetime.timedelta(days=1)
trade_date = str(datelastday)[0:10]
df2 = pro.limit_list(trade_date = trade_date, limit_type='U')
stock_list = df2['ts_code'].tolist()
df1 = df1[~df1['ts_code'].isin(stock_list)]
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。
