问财量化选股策略逻辑
选股逻辑为：选择换手率在3%~12%之间、买一量大于卖一量、今日最大跌幅在-4%与-5%之间的股票。
选股逻辑分析
该选股策略综合考虑了股票的活跃度、市场参与度和近期价格走势，通过挖掘短期反弹潜力选股。
有何风险？
该选股策略忽略了票面价值和长期趋势等因素，只考虑了股票短期价格波动，容易导致投资风险和选股偏差。
如何优化？
可以加入其它指标，如RSI指标、KDJ指标等，同时引入机器学习和大数据等手段，来自动化选股和优化策略，提高选股准确性。
最终的选股逻辑
在换手率在3%~12%之间、买一量大于卖一量、今日最大跌幅在-4%与-5%之间的股票中，选出前20个股票。
同花顺指标公式代码参考
SELECT SYMBOL FROM
(SELECT SYMBOL, TURNOVERRATE, BUY1VOLUME, LASTPRICE, HIGHPRICE, LOWPRICE FROM STOCK_INFO
-- 选择换手率在3%~12%之间
WHERE TURNOVERRATE > 3 AND TURNOVERRATE < 12
-- 选择买一量大于卖一量
AND BUY1VOLUME > SELL1VOLUME
AND SYMBOL IN
(SELECT SYMBOL FROM MARKET_DATA
WHERE TO_DATE(TO_CHAR(DATE, 'yyyy-mm-dd'), 'yyyy-mm-dd') = TO_DATE('2022-04-22', 'yyyy-mm-dd')
-- 选择今日最大跌幅在-4%与-5%之间
AND (LOWPRICE / LASTPRICE - 1) > -0.05 AND (LOWPRICE / LASTPRICE - 1) < -0.04))
-- 选取前20的股票
WHERE ROWNUM <= 20;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂带大量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 按换手率筛选股票
daily_basic_df = pro.daily_basic(ts_code='', trade_date='20220421', fields='ts_code,turnover_rate')
df1 = pd.merge(df1, daily_basic_df, on='ts_code', how='inner')
df1 = df1[(df1['turnover_rate'] > 3) & (df1['turnover_rate'] < 12)]
# 查询股票的价格情况
daily_df = pro.daily(ts_code='', trade_date='20220422', fields='ts_code,open,high,low,close')
df1 = pd.merge(df1, daily_df, on='ts_code', how='inner')
# 按价格波动筛选股票
df1 = df1[((df1['low'] / df1['close'] - 1) > -0.05) & ((df1['low'] / df1['close'] - 1) < -0.04)]
# 合并所有指标，返回选股结果
return df1.head(20)['ts_code']
## 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。
