问财量化选股策略逻辑
该策略选股逻辑包括以下条件：换手率3%-12%,开盘价在十日线左右,100亿市值以内的无亏损企业。
选股逻辑分析
该选股逻辑结合了短期交易活跃度、短期走势、公司规模和盈利能力等维度，选出的股票具有规模适中、盈利能力稳定的特点，同时短期走势良好，符合市场交易活跃度的标准。
有何风险？
该选股逻辑可能忽略了一些优质的高盈利企业，同时由于近期市场的行情变化不稳定，盲目追求短期赚钱效应的选股策略对于长期价值投资会有一定的影响。
如何优化？
可以在选股条件中考虑盈利稳定性、成长性等长期价值因素，以更加完善的维度选择优秀的标的资产。同时，在市场行情不稳定时可以适当放缓操作，充分考虑资产的风险和长期价值。
最终的选股逻辑
该选股逻辑为：换手率大于等于3%且小于等于12%、开盘价在十日线左右、市值小于等于100亿且近5年无亏损的企业。
同花顺指标公式代码参考
通达信公式代码：
(TURNOVER>=0.03 AND TURNOVER<=0.12)
AND (OPEN>MA(CLOSE,10)*0.95 AND OPEN<MA(CLOSE,10)*1.05)
AND CAPITAL<=1000000
AND NPD_LAST_5_YEARS>0
python代码参考
import pandas as pd
import numpy as np
from pytdx.hq import TdxHq_API
# 创建连接
api = TdxHq_API()
api.connect('119.147.212.81', 7709)
# 获取所有A股列表
all_stocks = api.get_security_list(1, 0)
df = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])
# 获取A股个股财报数据
selected_stocks = []
for code in df['code']:
finance_data = api.get_finance_info(0, code)
if finance_data is not None and len(finance_data)>5:
tmp_df = pd.DataFrame(finance_data)
selected_data = (tmp_df['liutongguben']*tmp_df['zuixinjigubili']/100000000<=100) & \
(tmp_df['npd_last_5_year']>0)
if sum(selected_data)>0:
k_data = api.get_k_data(code)
if k_data is not None and len(k_data)>10:
tmp_df2 = pd.DataFrame(k_data)
selected_data2 = (tmp_df2['turnover_ratio']>=0.03) & \
(tmp_df2['turnover_ratio']<=0.12) & \
(tmp_df2['open']>tmp_df2['close'].rolling(10).mean()*0.95) & \
(tmp_df2['open']<tmp_df2['close'].rolling(10).mean()*1.05)
if sum(selected_data2)>0:
selected_stocks.append({'code': code, 'name': df[df['code']==code]['name'].values[0], 'market_type': df[df['code']==code]['market_type'].values[0]})
df_selected = pd.DataFrame(selected_stocks)
# 断开连接
api.disconnect()
## 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。
