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，选择收盘价大于昨日的最低价的股票。
选股逻辑分析
该选股逻辑主要从价格趋势上考虑，通过选择收盘价大于昨日的最低价的股票，以期望抓住股票价格的上升趋势。
有何风险？
该选股逻辑的风险包括：1. 仅基于价格趋势考量，未考虑公司基本面、行业趋势等因素；2. 可能会忽略一些股票的价值，仅在股票价格上涨趋势中盲目追涨；3. 选股的时间段可能过于短暂，不能给予足够的机会来观察股票是否具有持续上升趋势。
如何优化？
-
结合基本面指标筛选股票
可以结合股票基本面指标，如公司财务、行业趋势等，来筛选更加具有投资潜力的股票。 -
优化价格趋势选股指标
针对价格趋势，可以考虑加入其他技术面指标，如均线、相对强弱指标等，以提高选股的准确性。
最终的选股逻辑
在换手率3%-12%、剔除北京A股的基础上，选择收盘价大于昨日的最低价的股票。
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 (CLOSE > REF(LOW, 1))
其中，收盘价大于昨日的最低价的筛选条件为：(CLOSE > REF(LOW, 1))
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()
# 获取非北京A股，收盘价大于昨日的最低价的股票
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():
k_data = ts.pro_bar(ts_code=ts_code, adj='qfq')
if len(k_data) < 2:
continue
k_data = k_data.sort_values(by='trade_date', ascending=False).reset_index(drop=True)
if k_data['close'][0] > k_data['low'][1]:
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。
