问财量化选股策略逻辑
选股逻辑：选择换手率在 3% 和 12% 之间，当日涨跌幅乘以超大单净量大于0，按照资金强度从大到小排序选取前N只个股。
选股逻辑分析
该选股逻辑也是基于技术面的分析，利用市场热点和趋势，通过选择换手率在合理区间内的个股，并筛选出当日涨跌幅乘以超大单净量大于0的个股，以及按照资金强度排序选取前N只个股，以此寻找股价有望回归上涨的股票。
有何风险？
该选股逻辑仍局限于技术面，没有考虑公司所处行业和公司基本面因素的影响，所选股票的收益和风险依然面临宏观经济、公司基本面和市场风险的干扰。
如何优化？
可以尝试加入基本面指标和公司行业信息等，比如市盈率、市净率、财报指标等等，结合技术面指标进行选股，进一步优化选股策略。同时，资金强度排名具有一定的局限性，可以加入股票流通市值、板块分析、机构研究等信息，在选股策略中综合考虑，以尽可能降低所选股票的风险。
最终的选股逻辑
选择换手率在 3% 和 12% 之间，当日涨跌幅乘以超大单净量大于0，按照资金强度从大到小排序选取前N只个股。
同花顺指标公式代码参考
C1: (MARKET == 'SH' OR MARKET == 'SZ'); // 选取A股市场的所有股票
C2: (VOLUME > 0) AND (CHG_RATE_N30 > 0) AND (
((MAX(HIGH, 26) - LOW) / CLOSE > 0.12) OR
((MIN(LOW, 26) - HIGH) / CLOSE > -0.12)
); // 查找主升期起动阶段的股票
C3: (ABS(CHG) / REF(CLOSE, 1) * (NET >= 500000) > 0); // 涨跌幅乘以超大单净量大于0
C4: SORT_RANK(INDEX_SORTED.MARKETVALUE, 0, 1) < N; // 按照资金强度排序选取前N只个股
SELECTED: C1 AND C2 AND C3 AND C4;
// 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, n: int) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、换手率、涨跌幅、超大单净量、资金强度等数据
n: 选取的股票数量
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] / 100000000) > 0):
selected_stocks.append((code, df['market_value'].iloc[-1]))
selected_stocks = sorted(selected_stocks, key=lambda x: -x[1])[:n]
selected_stocks = [s[0] for s in selected_stocks]
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）、turnover_rate（换手率）、market_value（股票市值）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。
