问财量化选股策略逻辑
本选股策略选择振幅大于1、昨日成交额大于6千万、昨天换手率＞8%的股票为选取对象。
选股逻辑分析
该选股策略同样选择了振幅和成交量作为筛选关键指标，且据换手率筛选股票，考虑到换手率大的股票更容易快速上涨，预期筛选出交易活跃、流动性较好的个股，但同时也可能会忽略掉一些潜在机会。
有何风险？
类似第一个选股逻辑，该选股策略存在过于关注短期涨跌的风险，可能无法发掘市场中潜在机会，同时，结果过于依赖过去趋势，难以应对市场突发状况，建议投资者谨慎考虑。
如何优化？
类似上一选股逻辑，可以在基础选股条件上加入更多指标，例如市盈率、ROE等，加强对企业储备、资本利用率等要素的考察。同时，可以结合技术分析，观察股价走势、收盘价走势等，进一步完善选股逻辑。
最终的选股逻辑
本选股策略的最终逻辑为：振幅大于1、昨日成交额大于6千万、昨天换手率＞8%的股票为选取对象。
同花顺指标公式代码参考
// 筛选条件1：振幅大于1
amplitude = (HIGH - LOW) / OPEN
amplitude_bool = amplitude > 0.01
// 筛选条件2：昨日成交额大于6千万
last_day_vol_bool = VOLUME > 60000000
// 筛选条件3：昨日换手率大于8%
turnover_rate = RETURNS / CLOSE / 100
yesterday_turnover = REF(turnover_rate, 1)
yesterday_turnover_bool = yesterday_turnover > 0.08
// 合并条件
result = amplitude_bool & last_day_vol_bool & yesterday_turnover_bool
// 输出结果
result
python代码参考
import tushare as ts
# 筛选条件1：振幅大于1
now_data = ts.get_today_all()
amplitude = (now_data['high'] - now_data['low']) / now_data['open']
amplitude_bool = amplitude > 0.01
# 筛选条件2：昨日成交额大于6千万
last_day_vol_bool = now_data['volume'] > 60000000
# 筛选条件3：昨日换手率大于8%
returns = ts.get_hist_data(now_data['code'][0]).iloc[0]['p_change']
close_price = ts.get_hist_data(now_data['code'][0]).iloc[0]['close']
turnover_rate = returns / close_price
yesterday_turnover = ts.get_hist_data(now_data['code'][0], ktype='D', start='2 days ago', end='1 days ago').iloc[0]['turnover']
yesterday_turnover_bool = yesterday_turnover > 0.08
# 合并条件
result = amplitude_bool & last_day_vol_bool & yesterday_turnover_bool
# 筛选结果
final_result = ts.get_stock_basics().loc[result]
# 输出结果
print(final_result)
## 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。
