(supermind量化策略)换手率3%-12%、北京A股除外、未清偿可转债简称不可为空

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,未清偿可转债简称不可为空的条件下，筛选股票。

选股逻辑分析

该选股策略主要侧重于技术面，使用换手率和可转债简称等指标来筛选股票。通过限定换手率、排除北京A股以及仅选择未清偿可转债简称不为空的股票，可以选出较为稳定的股票。

有何风险？

由于未考虑其他因素的影响，如基本面等因素，而仅从技术面进行筛选，可能会忽略这些因素对股票价格走势的影响。同时，该选股策略可能存在过多或过少的筛选结果等问题。

如何优化？

分析可转债表现
通过分析可转债的发行情况和表现，以确保选股策略不会忽略可转债带来的利好影响。
根据多种指标综合筛选
除技术面指标外，可以综合考虑基本面指标、行业热度等因素来筛选股票。

最终的选股逻辑

在换手率3%-12%,剔除北京A股,以及未清偿可转债简称不为空的条件下，加入其他关键指标如市盈率、市净率等指标，筛选出成长性较好、稳定性较高的股票。

同花顺指标公式代码参考

FILTER:SELECTC(((HSL>3) AND (HSL<12) AND (AVERAGE[北京股份]==0) AND (STOCKTYPE(可转债)) AND (LEN(可转债简称)>0)),0,1);

其中，HSL为换手率指标，AVERAGE为平均函数的指标。

Python代码参考

import tushare as ts

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

    df1 = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,vol')
    cb_codes = pro.cb_basic(fields='ts_code, convert_price').ts_code.tolist()
    df1['STOCKTYPE'] = df1['ts_code'].apply(lambda x: '可转债' if x in cb_codes else '')
    df1['STOCKTYPE'].replace('', np.nan, inplace=True)
    df1 = df1.dropna(subset=['STOCKTYPE'], axis=0)
    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)]
    df1 = df1.set_index('ts_code')
    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、未清偿可转债简称不可为空_