问财量化选股策略逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、企业性质。该选股策略通过技术面和基本面结合，并加入企业性质的考虑，选出符合条件的股票。
选股逻辑分析
该选股逻辑主要考虑了技术面和基本面的因素，加入了企业性质的考虑。通过振幅、酷特智能早晨之星等技术指标的筛选，以及企业性质的分析，挑选具备一定投资潜力的股票。
有何风险？
企业性质可能不是一个稳定的因素，可能受到宏观经济环境、政策等影响。同时，企业性质可能不是影响股票涨跌的主要因素，通过企业性质概括股票的投资潜力也存在一定局限性。另外，选股标准比较单一，可能存在较大的策略风险。
如何优化？
可以加入更具有代表性、综合性的基本面指标，如ROE、负债率、净利润增速等，全面评估股票的基本面情况，避免选出有较多基本面问题的股票。同时，可以加入其他技术指标，如MACD、KDJ等，提高整体选股策略的准确性。在选择企业性质的时候，可以适当考虑股票所属行业、宏观经济形势等因素，综合评估企业性质的影响。
最终的选股逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、企业性质指标。通过技术面和基本面结合，并适当考虑股票所属行业、宏观经济形势等因素，选出符合条件的股票。耐心等待市场出现较好的投资机会，以长期持有为主。
同花顺指标公式代码参考
SELECTED = LIANXIAN(LOW,1)==1 AND HSTOP(1) AND (ZHENFU>1) AND (自定义企业性质指标==True)
以上同花顺指标公式根据自定义的企业性质指标，通过振幅、酷特智能早晨之星规则进行选股。
Python代码参考
import tushare as ts
import pandas as pd
from datetime import datetime, timedelta
import talib
def get_enterprise_property(ts_code):
pro = ts.pro_api()
stock_basic = pro.stock_basic(ts_code=ts_code)
industry = stock_basic['industry'][0]
if industry in ['钢铁行业', '铝行业', '煤炭行业']:
return True
return False
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry,pe,name').values.tolist():
# 振幅大于1、酷特智能早晨之星
daily_data = pro.daily(ts_code=ts_code[0], start_date=datetime.strftime(datetime.now() - timedelta(days=1), '%Y%m%d'), end_date=datetime.strftime(datetime.now(), '%Y%m%d'))
if daily_data.empty or daily_data.iloc[-1]['turnover_rate'] <= 5:
continue
if not check_morning_star(daily_data):
continue
# 企业性质
if not get_enterprise_property(ts_code[0]):
continue
# 全面评估基本面情况
finance_data = pro.fina_indicator(ts_code=ts_code[0], start_date=datetime.strftime(datetime.now() - timedelta(days=120), '%Y%m%d'), end_date=datetime.strftime(datetime.now(), '%Y%m%d'))
if finance_data.empty or finance_data.iloc[-1]['roe'] <= 0 or finance_data.iloc[-1]['debt_to_assets'] > 0.5 or finance_data.iloc[-1]['yoy_profit'] < 0:
continue
# 选股成功
selected_stocks.append((ts_code[3], ts_code[0]))
return sorted(selected_stocks, reverse=True)
def check_morning_star(daily_data):
ma5 = daily_data['close'].rolling(window=5).mean()
ma10 = daily_data['close'].rolling(window=10).mean()
dif, dea, macd = talib.MACD(daily_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if dif[len(dif) - 1] < 0 or dea[len(dea) - 1] < 0:
return False
if daily_data.iloc[-1]['open'] >= ma5[len(ma5) - 1] and ma5[len(ma5) - 1] >= ma10[len(ma10) - 1] \
and daily_data.iloc[-1]['open'] <= daily_data.iloc[-1]['close'] and daily_data.iloc[-1]['open'] <= daily_data.iloc[-2]['close'] and daily_data.iloc[-2]['close'] < daily_data.iloc[-3]['close'] \
and (daily_data.iloc[-1]['open'] - daily_data.iloc[-1]['low']) / (daily_data.iloc[-1]['high'] - daily_data.iloc[-1]['low']) <= 0.33:
return True
return False
以上Python代码结合了技术面和基本面，加入企业性质的考虑，选股标准为振幅大于1、酷特智能早晨之星和自定义的企业性质指标，适合长期持有。
## 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。
