问财量化选股策略逻辑
选股逻辑为：在换手率在3%-12%之间、三连阴、高点为两日最高的情况下，选取有涨幅潜力的股票。
选股逻辑分析
该选股策略在前面的选股条件基础上，加入了高点为两日最高的限制条件，帮助投资者更快的发现有潜力的股票，能够减少风险，提高盈利。
有何风险？
市场变化复杂，算法无法完全准确预测未来走势，存在操作的不确定性和市场波动风险。
如何优化？
可以加入其他技术指标以及基本面数据等综合分析，还可以调整选股逻辑中的条件阈值，进一步提高选股策略的准确度。
最终的选股逻辑
在换手率在3%~12%之间、三连阴、高点为两日最高的情况下，选取有涨幅潜力的股票。
同花顺指标公式代码参考
以通达信公式为例：
high:=REF(MAX(HIGH, 2), -1); //以2日内最高价为高点
ema5:=EMA(CLOSE,5);
ema10:=EMA(CLOSE,10);
vol:=VOL/T;
条件筛选:vol>=3 AND vol<=12 AND CROSS(ema5,ema10,1) AND CLOSE>=high;
python代码参考
import baostock as bs
import talib
import pandas as pd
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 ####
rs = bs.query_stock_basic()
stock_list = []
while (rs.error_code == '0') & rs.next():
stock_code = rs.get_row_data()[0]
# 查询15分钟周期K线数据
rs_l = bs.query_history_k_data_plus(stock_code, 'date,open,high,low,close,volume', start_date='2022-06-01', end_date='2022-07-01', frequency='d', adjustflag='3')
if rs_l.error_code == '0':
# 判断三连阴
close = list(map(float, rs_l.get_column("close")))
macd_dif, macd_dea, macd_bar = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
if macd_bar[-3] < 0 and macd_bar[-2] < 0 and macd_bar[-1] < 0:
# 判断换手率
volume = list(map(float, rs_l.get_column("volume")))
turnover_rate = [volume[i] / volume[i-1] for i in range(1, len(volume))]
turnover_rate.insert(0, 0)
if max(turnover_rate) <= 12 and min(turnover_rate) >= 3:
# 判断高点是否为两日最高
high = list(map(float, rs_l.get_column("high")))
high_low = [max(high[i-2:i+1]) for i in range(2, len(high))]
if max(high_low) == high[-1]:
stock_list.append(stock_code)
# 转换成DataFrame格式并输出结果
df = pd.DataFrame(stock_list, columns=['stock_code'])
print(df)
#### 登出系统 ####
bs.logout()
## 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。
