问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、DEA指标上涨、流通市值在50亿至100亿之间的A股股票。
选股逻辑分析
本选股策略依然是结合了市场交易量、技术指标、基本面等多个方面进行筛选，其中，换手率在3%-12%是保证选股样本的质量，DEA指标上涨以技术面为判断依据，而流通市值在50亿至100亿之间的选定，可以选出一批规模较大、市场竞争力较强，但并未被市场过度消费的中等规模的股票。
有何风险？
本选股策略可能会漏选一些市值较小但发展潜力较大、走势较好的股票，同时，市值很大的股票占据的比重较小，从而使得整体选股能力较为受限。
如何优化？
可综合考虑其他基本面因素及市场指标进行加权筛选，同时利用其他技术指标如RSI等进行协同判断，同时选择更合适的市值范围，从而提高整体选股能力。
最终的选股逻辑
选股条件为：换手率在3%-12%、DEA指标上涨，流通市值在50亿至100亿之间的A股股票。
同花顺指标公式代码参考
换手率：TURNOVER >= 3 AND TURNOVER <= 12;
DEA指标上涨：REF(MA(CLOSE,12),1)>REF(MA(CLOSE,26),1) AND MA(CLOSE,12)>MA(CLOSE,26) AND MA(CLOSE,12)-MA(CLOSE,26)>MA(MA(CLOSE,12)-MA(CLOSE,26),9);
流通市值：CAPITALIZATION >= 5e9 AND CAPITALIZATION <= 10e9
SELECTED_STOCKS: SELECT(CODE, TURNOVER AND DEA指标上涨 AND 流通市值,CODE);
python代码参考
def select_stocks(df):
df = df[['code', 'turnover', 'close', 'capitalization']]
selected_codes = []
for code in df['code'].unique():
sub_df = df[df['code'] == code]
sub_df['ema12'] = sub_df['close'].ewm(span=12).mean()
sub_df['ema26'] = sub_df['close'].ewm(span=26).mean()
sub_df['dea'] = sub_df['ema12']-sub_df['ema26']
sub_df = sub_df[(sub_df['turnover'] >= 3) & (sub_df['turnover'] <= 12) & (sub_df['dea'].diff() > 0) & (sub_df['capitalization'] >= 5e9) & (sub_df['capitalization'] <= 10e9)]
if len(sub_df) > 0:
selected_codes.append(code)
return pd.DataFrame({'code': selected_codes})
## 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。
