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，并且最近一段时间收益为正数的股票。
选股逻辑分析
该选股逻辑综合考虑了交易活跃度、资金流向和收益情况，选出的股票具有一定的成长性和投资价值。
有何风险？
改变收益条件后，可能过于追求短期收益，而忽略了一些股票的长期价值。该策略也可能会过度追求交易活跃度和流动性，而忽略掉一些基本面因素。
如何优化？
可以考虑引入更多的技术、基本面指标，例如RSI、MACD、市盈率、市净率等，以评估股票的长期价值和估值情况。也可以调整筛选条件和权重，加强对基本面和估值因素的重视，以及在交易决策中考虑风险和波动度等方面因素。
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，并且最近一段时间收益为正数的股票。
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 STOCK_SYMBOL FROM (
SELECT STOCK_SYMBOL, PRICE FROM BaseDataSplit WHERE
3<TurnoverRate[1]*100 and TurnoverRate[1]*100<12 and // 当日换手率3%到12%
2.5<ChangeRatioToRef(1) and ChangeRatioToRef(1)乘以SuperVolume大于0 and // 涨跌幅和超大单净量的乘积大于0
Ref(Sign(Return(close/Ref(close, 1))), 1) > 0 and // 最近一段时间的收益为正数
}
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)
net_amount_ratio = df['net_amount'].iloc[-1] / df['volume'].iloc[-1]
if (df['turnover_rate'].iloc[-2] > 8) and (df['turnover_rate'].iloc[-2] < 20) and \
(df['turnover_rate'].iloc[-1] > 3) and (df['turnover_rate'].iloc[-1] < 12) and \
(df['pct_chg'].iloc[-1] * net_amount_ratio > 0) and \
(df['total_mv'].iloc[-1] / 100000000 > 10) and \
(df['close'].iloc[-1] > df['close'].iloc[-30]):
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。
