(supermind量化策略)换手率3%-12%、北京A股除外、昨天龙虎榜

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,选择昨天出现过龙虎榜的股票。

选股逻辑分析

该选股逻辑主要通过筛选出昨天涨跌幅较大的股票，期望能够发掘一些市场热点股票。龙虎榜是一种反映市场情绪的指标，可以通过分析昨日龙虎榜股票的表现来推测市场的态势。同时，选股策略也考虑了资金面的因素，期望能够捕捉到一部分机构资金流入的股票。

有何风险？

龙虎榜股票在短时间内有较大的涨跌幅，存在投资风险。另外，该选股逻辑缺乏基本面指标的筛选，可能会忽略真正具有价值的股票。

如何优化？

建议综合考虑其他的指标，例如市值、PE、PB、均线等指标，综合分析选股。可以考虑对昨日龙虎榜的股票进行行业分类和基本面分析，选择符合一定条件的股票进行投资。

最终的选股逻辑

在换手率3%-12%,剔除北京A股,选择昨日出现过龙虎榜的股票，综合考虑其他的指标并分析选股。

同花顺指标公式代码参考

FINANCE.PRE，获取龙虎榜信息，得到带有‘一字涨停’‘一字跌停’‘异常波动’的标记，需要进一步根据实际需要筛选。
RH := FINANCE.PRE(CLOSE, "上证A股", "详细信息", -1); //获取上证A股昨天的龙虎榜信息
FILTER:(RH['异常波动'][1]>0 AND AVERAGE[北京股份]=0),0,1;

Python代码参考

import tushare as ts
import numpy as np
import pandas as pd

def select_good_stocks():
    ts.set_token('your_token')
    pro = ts.pro_api()

    # 筛选出换手率3%-12%,剔除北京A股,选择昨天出现过龙虎榜的股票
    df1 = pro.stock_basic(exchange='SZSE', 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['name'].str.contains('ST') == False)]
    df1 = df1[(df1['ts_code'].str.startswith('002') == True) | (df1['ts_code'].str.startswith('000') == True)]
    RH = pro.top_list(trade_date="20220106")   # 昨天龙虎榜DataFrame
    RH = RH[['ts_code']]                      # 只需要股票代码一列
    df1 = pd.merge(df1, RH, on="ts_code", how="inner")   # 将两个DataFrame按ts_code连接
    df1 = df1.dropna(subset=['ts_code'])       # 删除缺失值

    # 其他指标筛选和排序
    df1 = df1[(df1['pe'] >= 0) & (df1['pb'] >= 0) & (df1['pb'] <= 3)]
    df1 = df1.sort_values(by=['turnover_rate'], ascending=False)
    df1 = df1.head(20)
    return df1

good_stocks = select_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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind量化策略)换手率3%-12%、北京A股除外、昨天龙虎榜_