问财量化选股策略逻辑
选股逻辑：选择换手率在3%到12%之间，当日涨跌幅乘以超大单净量大于0，且竞价主力净买大于0的股票。
选股逻辑分析
该选股逻辑主要强调了近期有一定买卖能量的股票，特别是通过竞价主力持仓情况反映股票的走势，选出具备投资价值的股票。
有何风险？
该选股逻辑依然忽略了一些基本面因素，如公司业绩情况、财务状况等因素，而且还存在竞价主力控盘被套或变异等情况的可能性。同时，单一指标选股容易受到市场波动、行业竞争等因素影响，选股结果也具有一定主观性和不确定性。
如何优化？
可加入一些基本面因素，如ROE、PE等因素，或者股票的业绩情况等因素来对股票质量进行筛选。同时，也可以加入其他的技术面因素来进行协同筛选。
最终的选股逻辑
选择换手率在3%到12%之间，当日涨跌幅乘以超大单净量大于0，且竞价主力净买大于0的股票。
同花顺指标公式代码参考
C1: CHG * NET_AMOUNT > 0 AND net_ratio>0.3; // 当日涨跌幅乘以超大单净量大于0，超大单比例大于0.3
C2: JBPART'竞卖单' - JBPART'竞买单' > 0; // 竞价主力净买大于0
C3: VOLUME_RATE >= 1; // 放量上涨
C4: TURNOVER_RATE >= 3 AND TURNOVER_RATE <= 12; // 换手率在3-12%之间
C5: (MARKET == 'SH' or MARKET == 'SZ') and SUBSTR(CODE, 1, 3) == '000'; // 选取 A 股市场的股票
SELECTED: C1 AND C2 AND C3 AND C4 AND C5;
// 显示选中股票的名称和代码
LIST_NAMECODE;
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、涨跌幅、超大单净量、竞价主力净买等指标数据
return: 选出的股票代码列表
"""
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_time', ascending=True)
if (df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and \
(df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 10000 / df['volume'].iloc[-1]) > 0) and \
(df['jbpart_ask1'].iloc[-1] - df['jbpart_bid1'].iloc[-1] > 0) and \
(df['net_ratio'].iloc[-1] > 0.3) and \
(code.startswith('0')):
selected_stocks.append(code)
return selected_stocks
其中 data 数据需包含的列为：ts_code（股票代码）、trade_time（交易时间）、pct_chg（涨跌幅）、net_amount（超大单净量）、volume（成交量）、turnover_rate（换手率）、jbpart_bid1（竞买价位）、jbpart_ask1（竞卖价位）、net_ratio（超大单比例）等选股指标数据。
## 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。
