问财量化选股策略逻辑
本选股策略选择振幅大于1、非ST（上午10点之前选股票）、五部涨停战法，并且昨日换手率乘以今日竞价成交量与昨日成交量的比值在0.5到2之间的股票进行选股。
选股逻辑分析
本选股策略在前一个策略的基础上加入了一个新的条件，即昨日换手率乘以今日竞价成交量与昨日成交量的比值在0.5到2之间，这个条件的引入，可以帮助进一步筛选出有相应市场认可度的股票,为接下来的投资决策提供参考依据。
有何风险？
本选股策略存在以下风险：1）过于关注历史的市场响应，没有充分考虑当前的市场变化，此项指标在不同的市场中的意义和作用可能存在差异；2）该指标的计算涉及到竞价成交量等变量的估算和预测，存在计算误差和有限性限制。
如何优化？
对选股策略可通过如下方式进行优化：1）在引入指标时，考虑到当前市场的变化，做出相应的调整；2）注重数据质量的保障，加强数据的采集及处理，减少误差和数据缺失，提高指标的可信度。
最终的选股逻辑
本选股策略的最终逻辑为：振幅大于1、非ST、五部涨停战法、昨日换手率乘以今日竞价成交量与昨日成交量的比值在0.5到2之间的股票进行选股。
同花顺指标公式代码参考
选股条件：昨日换手率乘以今日竞价成交量与昨日成交量的比值在0.5到2之间
(HHV(CLOSE*DAYS ,1)/REF(HHV(CLOSE*DAYS ,1),1)*
(MAX(BID1*BSIZ1,BID2*BSIZ2)+MAX(SQZ8*10,SQZ7*5))
)/REF(VOL,DAYS-1)>0.5 and
(HHV(CLOSE*DAYS ,1)/REF(HHV(CLOSE*DAYS ,1),1)*
(MAX(BID1*BSIZ1,BID2*BSIZ2)+MAX(SQZ8*10,SQZ7*5))
)/REF(VOL,DAYS-1)<2
python代码参考
import pandas as pd
import tushare as ts
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于1
df['AMPLITUTE'] = df.apply(lambda row: max(row['HIGH'] - row['LOW'], abs(row['HIGH'] - row['PREV_CLOSE']), abs(row['LOW'] - row['PREV_CLOSE'])), axis=1)
df = df[df['AMPLITUTE'] > 1]
# 筛选条件2：非ST
df = df[df['NAME'].str.upper().str.find('ST') == -1]
# 筛选条件3：五部涨停战法
df['CLOSE_MAX'] = df['CLOSE'].rolling(5).max()
df = df[df['CLOSE'] == df['CLOSE_MAX']]
# 筛选条件4：昨日换手率*（今日竞价成交量/昨日成交量）在0.5-2之间
df['TURNOVER_RATE'] = df['TRADE'] / df['VOL']
df = df[(df['TURNOVER_RATE'].shift(1) * df['BSIZ1'].iloc[0] / df['VOL'].shift(1) > 0.5)
& (df['TURNOVER_RATE'].shift(1) * df['BSIZ1'].iloc[0] / df['VOL'].shift(1) < 2)]
# 输出选股数据
print(df)
## 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。
