问财量化选股策略逻辑
本选股策略选取振幅大于1，(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票，并且昨日换手率大于8%。这些条件可以帮助投资者筛选出市场热点股票，以及股票成交活跃度较高、有一定交易价值的股票。
选股逻辑分析
本选股逻辑主要针对的是市场热点股票，其中增加了昨日换手率大于8%的选股条件，使得在市场活跃度较高的基础上，选出的股票更具有接下来市场的竞争力。同时，将换手率和竞价成交量结合考虑可以评估出更准确的成交活跃度。
有何风险？
本选股策略对于成交活跃度的综合考虑较多，但在筛选过程中可能扩大市场波动的风险。同时，在找到符合条件的股票后，就需要对股票基本面进行进一步的分析来避免选择低估值或高估值的个股。
如何优化？
在选股条件中舍弃昨日换手率大于8%的需要更多的支持。在条件中加入股票每日的均价和股票成交总量进行筛选将会更加稳健。此外，同时对每日成交价和成交量进行综合考虑，将更具有参考价值。
最终的选股逻辑
本选股策略选取振幅大于1，(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票，并且昨日换手率大于8%。同时，股票每日均价和每日成交总量选股条件中加入计算，用以综合考虑股票的市场竞争力和投资价值。
同花顺指标公式代码参考
通达信指标公式：(HHV(HIGH,20)-LLV(LOW,20))/REF(CLOSE,1)>0.01 AND (VOL/MA(VOL,5)-REF(VOL/MA(VOL,5),1))*100>5 AND (VOL/REF(VOL,1))>0.08
Python代码参考
import tushare as ts
import pandas as pd
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,list_date,list_status,total_mv,circ_mv')["ts_code"]:
if len(selected_stocks) >= n:
break
db = pro.daily(ts_code=code, start_date=(datetime.now() - timedelta(days=365)).strftime("%Y%m%d"),
end_date=datetime.now().strftime("%Y%m%d"), fields='open,high,low,close,vol')
if db.empty or len(db) < 250:
continue
# 筛选条件
db['amplitude'] = (db['high'] - db['low']) / db['close']
db['turnover_ratio'] = db['vol'] / (db['vol'].sum() / len(db))
db_selected = db[(db['amplitude'] > 1) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) > 0.5) & (db['turnover_ratio'] * (db['vol'].shift() / db['vol'].shift(2)) < 2) & (db['turnover_ratio'] > 0.08)]
if not db_selected.empty:
selected_stocks.append({'code':code, 'last_close': db.iloc[-1]['close']})
# 根据收盘价排序选择前n个股票
df = pd.DataFrame(selected_stocks)
df_selected = df.sort_values('last_close', ascending=False)[:n]
selected_stocks = list(df_selected['code'])
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。
