问财量化选股策略逻辑
选股逻辑为：在换手率在3%-12%之间、连续三天收阴线、未清偿可转债简称不可为空的股票中选取。
选股逻辑分析
该选股逻辑主要考虑到了可转债市场和股票市场的关联性，选取未清偿可转债简称不可为空的股票可能会对股价有一定影响，同时，筛选出换手率在一定范围内，一定有阴线的股票，也是基于一定程度上的技术分析。
有何风险？
该选股逻辑过于依赖可转债市场和技术指标的走势，忽略了公司基本面和行业特征等因素，可能会导致选股效果不够稳定。
如何优化？
可以将可转债市场、技术指标、公司基本面和行业特征等因素相结合，构建一个多因子模型来筛选合适的股票，并细化选股的需求，例如，可转债信息对股价的影响程度如何、需要关注何种行业特征等等。
最终的选股逻辑
在换手率在3%-12%之间、连续三天收阴线、未清偿可转债简称不可为空的股票中选取。
同花顺指标公式代码参考
以通达信公式为例：
SET_SYMBOL_POINT("SZ");
SET_BARS_PER_LINE(10);
SELECT_TIME_RANGE(ALL);
/* 选取换手率处于3%-12%的股票 */
CONDITION1 = (HSL>=3 AND HSL<=12) AND EXISTS(FILTER_BOOL(MA(C,5) < MA(C,10),3));
/* 选取连续三天收阴线的股票 */
CONDITION2 = MA(C,3)<REF(MA(C,3),1) AND REF(MA(C,3),1)<REF(MA(C,3),2) AND C>OPEN;
/* 选取未清偿可转债简称不为空的股票 */
CONDITION3 = HQZXGZQC is not Null;
LAST_CONDITION = CONDITION1 AND CONDITION2 AND CONDITION3;
CODE_LIST = SORT_BY_HOT(CODE_LIST, 0, 10, LAST_CONDITION);
python代码参考
import baostock as bs
import talib
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(market="sz", stock_type="1")
stock_list = []
while (rs.error_code == '0') & rs.next():
stock_code = rs.get_row_data()[0]
## 满足换手率、连续三天阴线、未清偿可转债简称不为空的股票
rs_capital = bs.query_stock_basic(stock_code)
if rs_capital.error_code == '0':
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount",
start_date=(datetime.date.today() - datetime.timedelta(days=20)).strftime("%Y-%m-%d"),
end_date=datetime.date.today().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data.error_code == '0':
close_hist = list(map(float, k_data.get_column("close")))
if len(close_hist) >= 4:
## 选取连续三天收阴线的股票
if close_hist[-1] < close_hist[-2] and close_hist[-2] < close_hist[-3]:
## 选取未清偿可转债简称不为空的股票
rs_convertible = bs.query_convertible_bond(code="", convert_price="", maturity="", put_price="",
conversion_price="", usable_bonds="", bond_name="",
stock_code=stock_code, stock_type="1")
if rs_convertible.error_code == "0" and rs_convertible.has_data():
bond_name = rs_convertible.get_row_data()[7]
if bond_name != "":
stock_list.append({"stock_code": stock_code, "capital": rs_capital.get_row_data()[2]})
df = pd.DataFrame(stock_list)
df_rank = df.sort_values(by="capital", ascending=False)
print(df_rank)
#### 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。
