问财量化选股策略逻辑
选股逻辑为：在换手率在3%-12%之间、三连阴的情况下，选取涨跌幅×超大单净量较高的股票。
选股逻辑分析
该选股逻辑注重了三连阴情况下的涨跌幅与超大单净量，同时根据换手率的限制来规避过度投机的股票，筛选出相对而言有机会反弹的股票。
有何风险？
该选股策略仍过于关注市场走势，忽视了公司基本面，存在一定的盲目性。同时，指标逻辑过于简单，对于不同种类股票的适用性有限。
如何优化？
可以加入一些基本面数据，如市盈率、市净率、股息率等指标，综合公司基本面信息与市场信息来较全面地选股。同时，可以对于不同种类的股票构建适应性更高的指标体系。
最终的选股逻辑
在换手率在3%~12%之间、三连阴的情况下，选取涨跌幅×超大单净量较高的股票。
同花顺指标公式代码参考
以通达信公式为例：
SETBARS(20,0);
V_SELECT:=N日涨幅(1)>=1 AND MAINbd AND 三连阴(5) AND (CLOSE-REF(CLOSE,1))*VOL>100000;
条件选股：V_SELECT;
python代码参考
import baostock as bs
import pandas as pd
import datetime
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 ####
rs = bs.query_stock_basic()
stock_list = []
while (rs.error_code == '0') & rs.next():
stock_code = rs.get_row_data()[0]
# 查询股票实时行情
rs_q = bs.query_history_k_data_plus(stock_code, "date,code,open,high,low,tradeStatus,preclose,close,volume,amount,adjustflag,turn,pctChg,peTTM,pbMRQ,isST", "2022-07-05", "2022-07-05")
if rs_q.error_code == '0':
row_data = rs_q.get_row_data()
# 判断换手率
volume = float(row_data[8])
turnover_rate = float(row_data[11])
# 判断涨跌幅×超大单净量
close = float(row_data[7])
pre_close = float(row_data[6])
vol = float(row_data[9])
if turnover_rate <= 12 and turnover_rate >=3:
rs_k = bs.query_history_k_data_plus(stock_code, 'date,open,high,low,close,volume', start_date='2022-06-01', end_date='2022-07-01', frequency='d', adjustflag='3')
if rs_k.error_code == '0':
close_hist = list(map(float, rs_k.get_column("close")))
if len(close_hist) >= 3 and close_hist[-3] > close_hist[-2] and close_hist[-2] > close_hist[-1]:
if (close-pre_close)*vol > 100000:
stock_list.append(stock_code)
# 转换成DataFrame格式并输出结果
df = pd.DataFrame(stock_list, columns=['stock_code'])
print(df)
#### 登出系统 ####
bs.logout()
## 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。
