问财量化选股策略逻辑
选股逻辑为：在换手率3%到12%之间，选择股票七连阴，并且前七天涨幅超过2%的标的作为投资标的，同时加入反包条件。
选股逻辑分析
该选股逻辑通过前七天的涨幅和反包条件来增加补仓机会，同时保证了七连阴的趋势性信号。通过筛选选股，可以筛选出一部分短线操作的标的。同时反包条件也可为投资者提供更多的交易机会。
有何风险？
该选股逻辑也可能造成市场机会的过度削减，而使得选股范围收窄。另外，该选股逻辑只考虑了七天的涨幅，忽略了其他潜在机会。而反包策略也可能增加交易风险。而单纯七连阴的选股策略也有可能引发市场误判，带来投资风险。
如何优化？
可以考虑增加其他技术指标、板块等进行多条件筛选，构建更加全面、综合的选股策略。同时，反包策略虽然可以增加补仓机会，但也有可能引发交易风险，需要投资者根据实际情况进行调整和优化。
最终的选股逻辑
在换手率3%到12%之间，选择股票七连阴且前七天涨幅超过2%并反包的标的作为投资标的。在此基础上可以添加其他技术指标、财务指标、板块等进行筛选，构建更加全面和精细的选股策略。
同花顺指标公式代码参考
以下是通达信选股公式：
选股条件：TURNOVERRATE > 3 AND TURNOVERRATE < 12 AND SUM(IF(CLOSE<REF(CLOSE,1),1,0),7)=7 AND \
SUM(IF((HIGH-REF(CLOSE,7))/REF(CLOSE,7) > 0.02 and MAX(HIGH) == HIGH,1,0),1)=1 and \
C>=7 AND (CLOSE-LLV(LOW, 7))/REF(CLOSE,7) <= -0.15 AND YEAR(DATE)=YEAR(TODAY)
注：CLOSE为收盘价，HIGH为最高价，TURNOVERRATE为换手率。该选股公式在满足换手率3%到12%的条件下，筛选了连续7天下跌、并且前7天涨幅超过2%且满足反包条件、并且这7天的涨幅小于-15%的标的。
python代码参考
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
if (df['turnoverratio'].iloc[-1] > 3 and df['turnoverratio'].iloc[-1] < 12 and \
(df['close'].rolling(window=7).apply(lambda x: (x[:-1] > x[-1]).all())).iloc[-1] and \
(df['high'].iloc[-8:-1].pct_change().sum() > 0.02) and \
((df['close'].iloc[-7] > df['close'].iloc[-14]) and (df['close'].iloc[-1] < df['close'].iloc[-7])) and \
(df['close'].iloc[-1] < df['low'].iloc[-7:].min() * 0.85) and \
(df.index.year == df.index[-1].year).all()):
selected_stocks.append(code)
return selected_stocks
同样需要注意数据源指标名称的相应调整。最终选股策略可以根据实际情况和市场变化进行微调和调整。
## 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。
