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，昨日9:15匹配价跌停的股票进行投资。
选股逻辑分析
该选股逻辑注重市场情绪和波动性方面的指标，选择昨日9:15匹配价跌停的股票进行投资，瞄准市场情绪低迷的股票，其长期收益可能更好。
有何风险？
该选股逻辑的风险包括：1. 选股时间较短，可能会错过一些具备潜力的股票；2. 忽略了其他基本面或技术面的因素，可能会选到低价值的股票。
如何优化？
-
结合基本面和技术面指标
可以结合市场基本面和技术面指标（如PE、ROE、MA等）等指标，辅助筛选出具有潜力的股票。 -
动态更新选股时间和跌停幅度
可以根据市场行情，动态设置选股时间和跌停幅度，如根据连续跌幅天数和跌幅幅度的组合筛选等，在保证安全性的基础上，提升收益率。
最终的选股逻辑
在换手率3%-12%,剔除北京A股的基础上，昨日9:15匹配价跌停的股票进行投资。
同花顺指标公式代码参考
由于该逻辑选股并不依赖于技术面指标，故无同花顺指标公式代码。
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
trade_cal = pro.trade_cal(exchange='', start_date='20210201', end_date='20210228', fields='cal_date,is_open')
trade_date = trade_cal[trade_cal.is_open == 1].iloc[-2].cal_date
daily_data = pro.daily(ts_code='', start_date=trade_date, end_date=trade_date)
limit_down = daily_data[daily_data['pre_close'] * 0.9 == daily_data['open']]
good_stocks = limit_down[~limit_down.ts_code.str.contains('BEIJING')]
good_stocks = good_stocks[good_stocks.turnover_rate.between(3, 12)]
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。
