问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入、归属母公司股东的净利润同比增长率大于20%小于等于100%的个股作为投资标的。
选股逻辑分析
本选股策略选取了股票的技术面指标、交易数据和基本面指标，其中技术面指标包括振幅和下午大单净流入，选取归属母公司股东的净利润同比增长率是基于股票的基本面考虑，可以筛选出同时具有成长性和市场表现的股票。
有何风险？
该选股策略选股的结果可能受到市场流动性或市场情绪等因素的影响，同时该策略无法考虑公司的财务风险等因素，需要谨慎评估。
如何优化？
可以考虑加入其他基本面指标和量价指标，构建更全面、多维度的选股策略。同时，需要注意对选股策略进行反复测试和修改，不断优化，以提高其适用性和准确度。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和归属母公司股东的净利润同比增长率大于20%小于等于100%的个股作为投资标的，并可以根据具体情况进行细微调整，构建多样化的投资组合。
同花顺指标公式代码参考
振幅大于1：ABS((HIGH-LOW)/PRE_CLOSE) > 0.01
下午大单净流入：C - O > (0.005 * V - MA(V, 3)) / 10000
归属母公司股东的净利润同比增长率大于20%小于等于100%：((end_date_net_profit - prior_year_net_profit) / ABS(prior_year_net_profit)) > 0.2 and ((end_date_net_profit - prior_year_net_profit) / ABS(prior_year_net_profit)) <= 1
python代码参考
# 引入Tushare库、Numpy库、Pandas库
import tushare as ts
import numpy as np
import pandas as pd
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
# 所有股票
all_stocks = pro.stock_basic(exchange='', list_status='L', fields='ts_code')
for ts_code in all_stocks["ts_code"]:
# 获取股票数据
k_data = pro.klines(ts_code=ts_code, start_date='3 month ago', end_date='today', freq='D')
quote_data = pro.query('daily', ts_code=ts_code, start_date='3 month ago', end_date='today')
fin_data = pro.query('fina_indicator', ts_code=ts_code, start_date='20190101', end_date='20211231')
if (ABS((k_data["high"] - k_data["low"]) / k_data["pre_close"]) > 0.01).all() and (quote_data["close"] - quote_data["open"] > (0.005 * quote_data["vol"] - MA(quote_data["vol"],3))/10000).all() and (((fin_data["end_date_net_profit"]-fin_data["prior_year_net_profit"])/ABS(fin_data["prior_year_net_profit"])) > 0.2 and ((fin_data["end_date_net_profit"]-fin_data["prior_year_net_profit"])/ABS(fin_data["prior_year_net_profit"])) <= 1).all():
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
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。
