问财量化选股策略逻辑
本选股策略选取振幅大于1、上市时间大于一年、市值在100亿以内、近四个季度均为盈利的股票。
选股逻辑分析
本策略加入了市值和盈利的筛选条件，使得选出的股票更稳健。同时，振幅大于1的逻辑会筛选出一些波动较大的股票，需要注意风险控制。
有何风险？
市值的选择可能过于保守，会错过一些潜力较大的股票。同时，振幅大于1的股票较为波动，需要注意风险控制。
如何优化？
除了振幅和时间外，加入其他指标或行业分析，优化筛选条件。市值的选择可以根据具体的行业情况进行优化。
最终的选股逻辑
本选股策略选取振幅大于1、上市时间大于一年、市值在100亿以内、近四个季度均为盈利的股票。
同花顺指标公式代码参考
振幅和上市时间与之前的策略相同。近四个季度均为盈利可以使用财务数据中的净利润数据。市值可以使用股票列表数据中的总市值数据。
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
for i in range(3):
# 筛选出振幅大于1、上市时间大于一年、市值在100亿以内的股票
basic = pro.stock_basic(list_status='L', fields='ts_code,name,list_date,mkt_cap')
basic = basic[basic["list_date"].apply(int).apply(lambda x: (int(today) - x) > 365)]
basic = basic[basic["mkt_cap"] <= 10000000000]
fin = pro.query("income", ts_code=basic["ts_code"].str.cat(sep=","), start_date=int(today)-365, end_date=int(today))
# 筛选出近4个季度均为盈利的股票
fin = fin.groupby("ts_code").apply(lambda x: (len(x["end_date"]) == 4) & (x["n_income"].apply(float) > 0).all())
fin = basic.join(fin, how="inner")
if len(fin) == 0:
continue
quotes = pro.daily(ts_code=fin["ts_code"].str.cat(sep=","), start_date=int(today)-10, end_date=int(today)-1, fields='ts_code,open,close,high,low')
# 计算振幅
quotes["var"] = (abs(quotes["high"] - quotes["low"]) / quotes["close"].shift(1)) * 100
# 筛选出振幅大于1的股票
quotes = quotes[quotes["var"] > 1]
if len(quotes) == 0:
continue
# 使用其他指标筛选
for code in quotes["ts_code"]:
if len(selected_stocks) >= n:
break
# TO DO ...
if len(selected_stocks) >= n:
break
return selected_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。
