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的股票，现量大于1万手，且当日开盘价高于昨日收盘价。
选股逻辑分析
该选股策略较为全面地考虑了市场的交易量、价格变化和开盘价等因素，能够更全面地反映市场行情。相较于之前的选股逻辑，运用了开盘价的特点，更加准确地把握市场买卖情绪。
有何风险？
该选股策略仍然忽略了估值等基本面因素的影响，同时纯依赖技术因素的选股，可能会对风险控制造成挑战。
如何优化？
可以在该选股策略中添加其它技术指标，例如RSI指标、KDJ指标等，进行综合评估股票的买卖情绪。同时也可以对策略参数进行反复验证和参数调整等方法进行进一步优化，从而减小策略过拟合的风险。
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的股票，现量大于1万手，且当日开盘价高于昨日收盘价。
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;
-- 计算条件选股
SELECT TOPN N * FROM (
SELECT SCode, RO_Rank() OVER (ORDER BY SWeight DESC) Rank FROM StockData_Long WHERE
2.5<ChangeRatioToRef(1) and ChangeRatioToRef(1)<11.5 and // 涨跌幅在2.5%到11.5%之间
SuperVolume > 0 and // 当日超大单净量大于0
VOLUME > 10000 and // 当日成交量大于1万手
OPEN > REF(CLOSE, 1) and // 当日开盘价高于昨日收盘价
TurnoverRate[1] > 3 and TurnoverRate[1] < 12 // 昨日换手率在3%到12%之间
) WHERE Rank <= N
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
import talib
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['turnover_rate'].iloc[-2] > 3) and (df['turnover_rate'].iloc[-2] < 12) and \
(df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 10000 / df['volume'].iloc[-1]) > 0) and \
(df['volume'].iloc[-1] > 10000) and (df['open'].iloc[-1] > df['close'].iloc[-2]):
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。
