问财量化选股策略逻辑
选股逻辑为：选择换手率在3%~12%、买一量大于卖一量，且最近两日的高点为两日最高的股票。
选股逻辑分析
该选股逻辑主要考虑了股票走势的趋势性，选股依据是相对稳定的换手率、买卖盘偏向多头，同时最近两日的高点为两日最高。
有何风险？
该选股逻辑相对较为单一，只考虑了股票走势而未考虑到更为细致的技术指标，可能会选出波动较大的股票。
如何优化？
可以结合其他技术指标如KD、RSI等进行进一步判断，以及加入针对行业、市场整体的筛选条件。
最终的选股逻辑
选择换手率在3%~12%、买一量大于卖一量，且最近两日的高点为两日最高的股票。
同花顺指标公式代码参考
买一量大于卖一量：SELECT(BIDV1>ASKV1)
换手率在3%~12%：SELECT(TURN<N>AVG(TURN,N) AND TURN<N>3 AND TURN<N<12)
最高点为两日最高：SELECT(HIGH>=REF(MAX(HIGH,2),1))
非科创板：SELECT(CODE AND INDUSTRY NOT LIKE '科创板%')
选股：SELECT(CODE AND 买一量大于卖一量 AND 换手率在3%~12% AND 最高点为两日最高 AND 非科创板)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂买一量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 查询换手率在3%-12%的股票
daily_df = pro.daily(ts_code='', start_date='20220421', end_date='20220422', fields='ts_code,turnover_rate')
df2 = daily_df[(daily_df['turnover_rate'] >= 3) & (daily_df['turnover_rate'] <= 12)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
# 查询最高点为两日最高的股票
hist_df = pro.daily(ts_code='', start_date='20220421', end_date='20220422', fields='ts_code,high')
hist_df['max_high'] = hist_df.groupby('ts_code')['high'].rolling(2).max().reset_index(level=0, drop=True)
df2 = hist_df[(hist_df['high'] == hist_df['max_high'])]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
# 过滤科创板股票
df2 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry')
df2 = df2[(df2['industry'].str.contains('科创板') == False)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
return df1['ts_code']
## 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。
