问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散、换手率大于2%且小于9%的股票作为投资标的。
选股逻辑分析
本选股策略在技术面因素中，考虑了振幅和均线，并增加了换手率的限制。振幅和均线作为基础选股条件，而换手率限制则用于筛选出相对稳定的股票，以减少交易风险。
有何风险？
类似于前一个选股策略，本选股策略也忽略了基本面因素的影响，同时也无法消除市场风险。同时，过于严格的换手率限制可能会剩下较少的股票作为投资标的，导致风险和机会的不平衡。
如何优化？
可以基于该选股策略，综合考虑其他技术面因素，如一些相对强势的指标（如RSI），以及其他基本面因素，如市盈率、市净率等。此外，可以考虑对换手率限制进行灵活的调整，以平衡风险和机会。
最终的选股逻辑
本选股策略选取振幅大于1、今日均线向上发散、换手率大于2%且小于9%的股票作为投资标的。
同花顺指标公式代码参考
通达信指标公式代码：
//计算振幅
ACC = 100 * (HIGH - LOW) / REF(CLOSE,1);
//计算均线的斜率
MA_SLOPE = MA(CLOSE, 1) / MA(CLOSE, 5) - 1;
//计算换手率
TrunRate = (VOL - REF(VOL,1)) / REF(VOL,1);
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sz', cap=200, turnover_rate_min=2, turnover_rate_max=9):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "turnover_rate"])
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'market'] != market:
continue
if ts.get_stock_basics().loc[stock, 'mktcap'] < cap:
continue
data = ts.get_hist_data(stock)
if data is None:
continue
if data["amplitude"][-1] < 1:
continue
# 今日均线向上发散
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
continue
# 换手率限制
turnover_rate = data["turnover"][-1]
if turnover_rate < turnover_rate_min or turnover_rate > turnover_rate_max:
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"turnover_rate": turnover_rate
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sz', cap=200, turnover_rate_min=2, turnover_rate_max=9))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
