问财量化选股策略逻辑
本股票策略选取以下股票：振幅大于1、昨日主力控盘、前日实际换手率在3%～28%之间的股票。该策略注重挖掘具备较高活跃度、明确趋势的股票，在市场波动或者震荡较大的时候，更有可能获得超额收益。
选股逻辑分析
该选股策略主要基于振幅和换手率这两个量化指标进行股票筛选，振幅可以衡量股票价格变动的波动率，而换手率则是衡量股民的交易活跃度，二者结合起来可以较为全面地考虑市场的趋势和股票的市场竞争力。振幅大于1可以排除那些较为平静的股票，而前日换手率在3%～28%的范围则处于较为活跃的状态，符合了我们挑选高活跃度股票的原则，同时，昨日主力控盘也可以看作是一个交易情绪方面的量化指标，可以衡量当前市场的多空情况。
有何风险？
该选股策略较为注重市场波动和股价波动，在市场稳定或者震荡小的情况下，效果可能不是很显著。此外，在市场风格转换的时候，策略也有可能失效。
如何优化？
可以在振幅和换手率指标基础上，加入一些基本面和市场因素的考虑，同时在实际操作中要注意控制换手率，避免由于过大的交易活动带来的额外成本和损失。
最终的选股逻辑
选取振幅大于1、昨日主力控盘、前日实际换手率在3%～28%之间的股票。
同花顺指标公式代码参考
C>REF(C,1) AND AMOUNT/VOL > 0 AND (C/REF(C,2)-1)*100>=1 AND (C/REF(C,2)-1)*100<=28
python代码参考
import tushare as ts
# 定义筛选条件
amplitude_filter = 0.01
main_money_filter = True
turnover_rate_filter = [0.03, 0.28]
market_filter = ["sh", "sz"]
# 获取股票列表和股票历史数据
stock_list = ts.get_stock_basics()
selected_stocks = pd.DataFrame()
for stock in stock_list.index:
history_data = ts.get_hist_data(stock)
if len(history_data) < ma_filter_len + ma_filter_shift:
continue
turnover_rate = ts.get_hist_data(stock, start="2 days ago", end="1 days ago")["turnover"][0] / 100
# 筛选振幅大于1，昨日主力控盘，前日实际换手率在3%～28%之间的股票
if ((history_data["high"][0] - history_data["low"][0]) >= amplitude_filter * history_data[0] and
(history_data["amount"][1] / history_data["vol"][1] > 0) and (history_data["close"][0] > history_data["open"][0]) and
(turnover_rate > turnover_rate_filter[0]) and (turnover_rate < turnover_rate_filter[1])):
selected_stocks = selected_stocks.append(stock_list.loc[stock])
selected_stocks = selected_stocks[(selected_stocks.index.map(lambda x: x[0:2] in market_filter))]
# 输出选股结果
for stock in selected_stocks.index:
print(stock)
以上代码仅供参考，具体实现方法可以根据投资者需要和市场情况进行调整。
## 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。
