问财量化选股策略逻辑
选股逻辑为振幅大于1、规模2亿以上、100亿市值以内的无亏损企业。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股逻辑主要考虑了振幅、规模和盈利能力这三个因素。振幅可以反映股票价格波动的幅度，规模可以反映公司的市场竞争力和业务规模，盈利能力可以反映公司的盈利状况和前景。这三个因素的结合可以较全面地反映股票的风险和收益。
有何风险？
该选股策略主要风险如下：
- 没有考虑到股票的长期收益能力，可能会选择一些短期高风险的股票；
- 在100亿市值以内选择无亏损企业，可能会限制选股范围过窄，无法挖掘更多的优质个股；
- 选股逻辑缺乏更多的筛选条件，可能过于广泛选择多种类型的个股，导致最终结果零散、不够聚焦。
如何优化？
为了缓解以上风险，可以考虑以下优化措施：
- 加入股票的长期收益能力等方面的因素进行综合考虑；
- 可以根据不同的选股结果进行分组，减少筛选细则冲突和复杂度；
- 可以加入更多的变量进行选股，如盈利增长率、股息率等指标。
最终的选股逻辑
在综合考虑风险和优化措施后，我们得出了如下缩小版的选股逻辑：
- 振幅大于1；
- 规模2亿以上；
- 100亿市值以内；
- 近5年无亏损；
- 净利润同比增长率为正数；
- 股息率大于等于3%。
基于该选股逻辑的股票筛选，应结合实际需求和风险承受能力进行具体操作。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
select (
/* 振幅大于1 */
high/low-1>=0.01,
/* 规模2亿以上 */
mkt_cap > 2e8,
/* 100亿市值以内 */
mkt_cap < 100e8,
/* 近5年无亏损 */
npr.min() >= 0,
/* 净利润同比增长率为正数 */
((npr/npr.shift(4))-1 > 0).all(),
/* 股息率大于等于3% */
dv_ratio >= 3
) order by code asc
Python代码参考
以下是选股策略示例代码：
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股策略
'''
# 获取股票基本信息和K线数据
stock_info = ts.get_stock_basics().loc[code]
k_data = ts.pro_bar(ts_code=code, start_date='20160101', end_date='20211201', adj=None)
npr = ts.get_profit_data(code).iloc[-5:]['net_profits'] # 最近5年净利润数据
dv = ts.pro_div(ts_code=code, start_date='20160101', end_date='20211201') # 分红数据
# 判断选股条件
if (1 <= (k_data.iloc[-1]['high'] / k_data.iloc[-1]['low'] - 1) * 100 <= 100) \
and (stock_info['totalAssets'] > 2e8) \
and (stock_info['totalAssets'] < 100e8) \
and (npr.min() >= 0) \
and (((npr / npr.shift(4)) - 1 > 0).all()) \
and (dv[dv['div_proc'] == '实施比例'].iloc[0]['end_date_div'] >= 0.03):
some_other_conditions = True
# 判断股票是否符合要求
return some_other_conditions
return False
# 获取符合策略要求的股票列表
selected_stocks = [code for code in ts.get_stock_basics().index if is_selected(code)]
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他交易策略
示例代码通过 Tushare 库获取相应的股票数据，结合选股逻辑进行筛选，最终得到符合要求的股票列表。在实际交易中，可根据筛选和排序结果进行后续的操作。
## 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。
