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、振幅大于1的A股中进行选择。
选股逻辑分析
该选股逻辑主要考虑到振幅较大的股票有更高的交易机会，结合换手率进行选择，而剔除北京A股则避免官方政策的干预，同时也可以做到市场分散化，减少单一地域的风险。
有何风险？
该选股逻辑的风险包括：1. 振幅较大的股票交易风险大，需要关注风险控制；2. 剔除北京A股可能影响选股的样本数量，需要进行风险分析和数据验证。
如何优化？
可以结合其他技术分析指标或基本面分析指标进行分析和验证，关注市场的短期、中期和长期趋势和走势变化，同时建立相关的风险预警机制和监管机制，避免出现潜在风险和逻辑失误。
最终的选股逻辑
在换手率3%-12%、剔除北京A股、振幅大于1的A股中进行选择，适当加强数据和基本面信息的分析和验证，结合风险预警机制和监管机制，实现精准选股。
同花顺指标公式代码参考
选股公式：(HSL >= 0.03 AND HSL <= 0.12 AND ZF > 1 AND SUBSTR(ZQ, 1, 3) != '北京市')
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()
# 获取股票列表
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, list_date')
for ts_code in stock_list['ts_code']:
# 剔除北京A股
if stock_list[stock_list.ts_code == ts_code].iloc[0]['market'] == '科创板':
continue
elif stock_list[stock_list.ts_code == ts_code].iloc[0]['market'] == '上交所' and stock_list[stock_list.ts_code == ts_code].iloc[0]['industry'] == '临时行业':
continue
elif stock_list[stock_list.ts_code == ts_code].iloc[0]['area'] == '北京':
continue
# 判断振幅是否大于1
daily_data = pro.daily(ts_code=ts_code, start_date='20220222', end_date='20220222')
if daily_data.iloc[-1]['high'] / daily_data.iloc[-1]['low'] <= 1:
continue
good_list.append({
'ts_code': ts_code,
'name': stock_list[stock_list.ts_code == ts_code].iloc[0]['name'],
'industry': stock_list[stock_list.ts_code == ts_code].iloc[0]['industry'],
'market': stock_list[stock_list.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。
