问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包、昨日非涨停板的股票中进行筛选。
选股逻辑分析
该选股策略主要考虑了股票的价值、交易以及股价涨跌等因素，筛选出符合条件的股票，具有一定的实际操作性。
有何风险？
该选股策略可能忽略了一些股票的短期表现、流动性等因素，需要考虑进一步筛选因素，以便更加全面地筛选出优质股票。
如何优化？
可以结合技术指标和基本面指标，比如股息率、盈利增长率、PEG等进一步筛选，构建更加全面的选股模型。
最终的选股逻辑
选股条件为：在换手率3%-12%、反包、昨日非涨停板的股票中进行筛选。
同花顺指标公式代码参考
选股条件：turnover_rate>=3 AND turnover_rate<=12
AND (STICKORYC("fgs", ["1t", "2t", "3t", "4t"], "t_1", "lg",
"sm", "b") + STICKORYC("fjj", ["1t", "2t", "3t", "4t"], "t_1",
"lg", "sm", "b")) > 0
AND RISECONTINUE(AMOUNT, [1], 1) = 0
选股结果：fml('turnover_rate>=3 AND turnover_rate<=12
AND (STICKORYC("fgs", ["1t", "2t", "3t", "4t"], "t_1", "lg",
"sm", "b") + STICKORYC("fjj", ["1t", "2t", "3t", "4t"], "t_1",
"lg", "sm", "b")) > 0
AND RISECONTINUE(AMOUNT, [1], 1) = 0', 80)
Python代码参考
import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,turnover_rate')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
# 反包策略
df2 = pro.daily(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,low,high,pre_close')
df2['AT'] = df2['high'] - df2['low']
df2['ST'] = abs(df2['pre_close'] - df2['low'])
df2['BT'] = abs(df2['pre_close'] - df2['high'])
df2['RCT1'] = df2['ST'] / df2['AT']
df2['RCT2'] = df2['BT'] / df2['AT']
df2['RC'] = df2[['RCT1', 'RCT2']].min(axis=1)
df3 = df2[df2['trade_date'] == '20220110']
good_stocks = df3[df3['RC'] <= 0.2]['ts_code']
# 加入其它指标
good_stocks = pd.merge(good_stocks.to_frame(),
pro.daily_basic(ts_code=good_stocks.to_string(index=False),
trade_date='20220110',
fields='ts_code,close,pe,pb,total_mv,
float_mv,turnover_rate,
roe_diluted'),
on='ts_code', how='inner')
# 昨日非涨停板
good_stocks = pd.merge(good_stocks.to_frame(),
pro.limit_list(ts_code='', trade_date='20220107',
limit_type='U', fields='ts_code'),
on='ts_code', how='left')
good_stocks = good_stocks[good_stocks['ts_code_y'].isnull()][['ts_code_x',
'close', 'pe', 'pb', 'total_mv', 'float_mv',
'turnover_rate', 'roe_diluted']]
good_stocks.columns = ['ts_code', 'close', 'pe', 'pb',
'total_mv', 'float_mv', 'turnover_rate', 'roe_diluted']
return good_stocks.reset_index(drop=True)
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。
