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，涨跌幅乘以超大单净量大于0，并且10日涨幅大于0小于35的股票。
选股逻辑分析
该选股策略在原有的基础上，增加了10日涨幅的筛选条件，只选择近期涨幅在一定区间内的股票。通过考虑换手率、上涨空间以及近期涨幅等因素，以期望能在潜在股票中寻找具有投资价值的标的。
有何风险？
在10日涨幅区间筛选条件下，有可能会漏掉一些未来表现较好但近期涨幅较低的股票。同时，该选股逻辑中的指标筛选条件可能会过于简单，缺乏对于公司基本面的考虑，选出的股票可能存在较大的业绩风险。
如何优化？
可以加入更多与基本面相关的指标，如ROE、净利润增长率等，以更全面地考虑选股因素。此外，在逻辑中加入一些风控手段，如设定止损、设置仓位上限等等，能够更好地保障投资者的安全。
最终的选股逻辑
选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0，并且10日涨幅在0%到35%之间的股票为选股范围。
同花顺指标公式代码参考
以下是同花顺指标所需公式：
选股公式：
-- 计算涨跌幅乘以超大单净量
SuperVolume: (C*Big)/10000;
-- 计算选股
SELECT STOCK_SYMBOL FROM (
SELECT STOCK_SYMBOL AS code, (C1 / C0) * SuperVolume AS Score FROM
(
SELECT STOCK_SYMBOL AS code, CLOSE AS C0 FROM CandlesMin WHERE Cdl[:1] = LAST AND TIME = [TIME-1] AND Year(DATE) = YEAR(TODAY)
) ST,
(
SELECT STOCK_SYMBOL AS code, CLOSE AS C1 FROM CandlesMin WHERE Cdl[:1] = LAST AND TIME = [TIME-0] AND Year(DATE) = YEAR(TODAY)
) MT,
(
SELECT STOCK_SYMBOL AS code, BUY_VOL_L_VOL AS Big FROM CandlesDay WHERE Cdl[:1] = LAST AND TIME = [TIME-1] AND Year(DATE) = YEAR(TODAY) AND VOL >= 1000000
) BT
WHERE ST.code = MT.code AND MT.code = BT.code AND ST.O / MA10 >= 0.98 AND ST.O / MA10 <= 1.02 AND Score > 0 AND C1 >= 5 AND LASTS(C1, 10) / C1 >= 0 AND LASTS(C1, 10) / C1 < 0.35
ORDER BY Score DESC
LIMIT 10
Python代码参考
以下是Python代码实现该选股逻辑：
import pandas as pd
from typing import List
from datetime import datetime, timedelta
def select_stock(data: pd.DataFrame, n=10) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_time', ascending=True)
if (df['float_shares'].iloc[-1] / 1000000000 <= 5.5) and \
(df['volume'].iloc[-1] / df['volume'].iloc[-6:-1].mean() > 3) and \
(df['turnover_rate'].iloc[-1] > 3) and (df['turnover_rate'].iloc[-1] < 12) and \
(df['pct_chg'].iloc[-1] * abs(df['buy_volume'].iloc[-1] - df['sell_volume'].iloc[-1]) / 10000 > 0) and \
((df['close'].iloc[-1] / df['close'].iloc[-11]) > 0 and (df['close'].iloc[-1] / df['close'].iloc[-11]) < 0.35) and \
(df['ts_code'].iloc[-1][0:2] == '60'):
s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
selected_stocks.append((code, s_weight))
selected_stocks.sort(key=lambda x: x[1], reverse=True)
selected_stocks = selected_stocks[:n]
return [x[0] for x in 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。
