问财量化选股策略逻辑
选股逻辑：选择RSI小于65的股票，深证主板中市盈率处于0-29.01之间，市净率在0-3.11之间的股票，换手率在3%-12%之间。
选股逻辑分析
加入换手率指标，能够剔除过于活跃或过于乏力的股票，确保选出的股票具有一定的交易活跃度，同时，选股范围限定于深证主板，并且市盈率、市净率均在较合理的范围内。
有何风险？
剔除换手率过于活跃或过于乏力的股票，有可能遗漏一些价值投资的标的，同时也无法捕捉到股票的内在价值波动，选出的股票也有可能出现过于稳定或过于波动的情况。
如何优化？
在选股逻辑中引入更多基本面因素和量化指标，例如ROE、PEG、收入增长率、净利润增长率等，对各指标进行加权处理，建立更加全面的选股模型，在利用机器学习的方法对模型进行优化，提高选股准确率和实用性。
最终的选股逻辑
选股逻辑：选择RSI小于65的股票，深证主板中市盈率处于0-29.01之间，市净率在0-3.11之间的股票，换手率在3%-12%之间。
同花顺指标公式代码参考
- RSI小于65: RSI(CLOSE, 14) < 65
- 深证主板中市盈率0-29.01: PE > 0 AND PE < 29.01
- 市净率0-3.11: PB > 0 AND PB < 3.11
- 换手率3%-12%: (VOL / CAPITAL) > 0.03 AND (VOL / CAPITAL) < 0.12
python代码参考
import pandas as pd
import tushare as ts
# 连接tushare并获取股票基本信息
token = 'token'
pro = ts.pro_api(token)
basic = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
# 初始化RSI、估值和换手率条件
rsi = 65
pe_low = 0
pe_high = 29.01
pb_low = 0
pb_high = 3.11
turnover_low = 0.03
turnover_high = 0.12
# 遍历每支股票
result = []
for code in basic['ts_code']:
# 判断RSI、估值和换手率条件
finance = pro.query('daily_basic', ts_code=code, fields='pe,pb')
if finance.empty: continue
pe = finance['pe'].iloc[-1]
pb = finance['pb'].iloc[-1]
if pe < pe_low or pe > pe_high or pb < pb_low or pb > pb_high: continue
capital = pro.daily_basic(ts_code=code, trade_date='20210812', fields='total_share').iloc[0]['total_share'] * 10000
volume = pro.query('daily', ts_code=code, fields='vol', start_date='20210809', end_date='20210812')['vol'].sum()
turnover = volume / capital
if turnover < turnover_low or turnover > turnover_high: continue
ta = pro.query('daily_basic', ts_code=code, fields='ts_code,trade_date,macd,dea,diff')
if ta.empty: continue
if ta.iloc[-1]['macd'] < 0 or ta.iloc[-1]['dea'] < 0 or ta.iloc[-1]['diff'] < 0: continue
rsi = ta.rsi().iloc[-1]
if rsi > 65: continue
# 获取市值并加入结果列表
mv = pro.daily_basic(ts_code=code, trade_date='20210812', fields='ts_code, market_value').iloc[0]['market_value']
if mv < 200000: result.append([code, basic[basic['ts_code'] == code].iloc[0]['name'], mv])
# 对筛选结果进行排序
result_df = pd.DataFrame(result, columns=['代码', '名称', '市值'])
result_df = result_df.sort_values('市值').reset_index(drop=True)
result_df.to_excel('result.xlsx', index=False)
## 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。
