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，底部抬高。
选股逻辑分析
该选股策略在前一个策略基础上增加了技术面分析，考虑了股票的底部抬高情况，选取底部抬高的标的，筛选出上涨的标的。同时，该选股策略中的指标筛选条件相对简单，容易操作。
有何风险？
该选股策略仍然没有考虑到基本面因素和行业的因素，容易受到市场风险和行情波动的影响。同时，该策略选股条件比较简单，可能会选择一些潜力不足的股票。
如何优化？
可以加入与基本面和行业相关的指标，如市盈率、市净率、PEG等，来筛选潜力股。同时，也可以考虑加入其他技术指标，如RSI、MACD等，综合考虑多方面因素，提高选股的准确率。
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，底部抬高为选股范围。
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：
SELECT
STOCK_SYMBOL as code
FROM
(
SELECT
STOCK_SYMBOL,
(HIGH-LOW)/LOW*100 AS G
FROM
CandlesDay
WHERE
Cdl[strlen(Cdl)-1] = 'L'
AND
Year(DATE) = YEAR(TODAY)
AND
TIME = [TIME-1]
) AS t1
WHERE
EXISTS(
SELECT
null
FROM
CandlesDay
WHERE
code = t1.STOCK_SYMBOL
AND
TURNOVER_RATIO>=3
AND
TURNOVER_RATIO<=12
AND
Cdl[strlen(Cdl)-1] = 'L'
AND
Year(DATE) = YEAR(TODAY)
AND
TIME = [TIME-1]
AND
(CLOSE-OPEN)*(BIG)/10000>0
)
AND t1.G>2
ORDER BY G ASC
Python代码参考
以下是Python代码实现该选股策略：
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 <= 100) and (df['close'].iloc[-1] > 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['high'] - df['low']) * df['buy_volume'].iloc[-1] / 10000 > 0) and \
(((df['low'] - df['low'].shift(1)) / df['low'].shift(1)) > 0.02).rolling(window=5).sum().iloc[-1] > 0:
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。
