问财量化选股策略逻辑
选股逻辑：选择换手率在3%-12%之间、今日上涨幅度大于1%、属于主板市场、形态为圆弧形的股票。
选股逻辑分析
该选股策略相较于之前的选股策略加入了形态指标，通过形态指标筛选出了形态为圆弧形的股票。圆弧形通常代表牛市过后股票震荡整理期，分析这些股票对于投资者具有一定参考价值。此外，该选股策略仍然综合考虑了技术分析和量能分析两个方面，更全面的反映了股票的交易活跃度和盈利能力。
有何风险？
该选股策略增加了形态因素的考虑，对于某些特别的形态股票可能难以完全准确地选出。此外，形态指标本身会存在一定的主观性，对于经验不足的投资者可能会造成误判。
如何优化？
可以考虑加入更多基本面和技术指标，例如选取PE、PB等估值指标，或者考虑加入相对强势指标等，可以更好的衡量股票的基本面情况。此外，技术指标的选择可以更细致一些，例如可以选择更具代表性的技术指标。
最终的选股逻辑
选择换手率在3%-12%之间、今日上涨幅度大于1%、属于主板市场、形态为圆弧形的股票。
同花顺指标公式代码参考
T-line-SYS:=CLOSE>MA(CLOSE,8) AND LOW<=REF(MIN(LOW,5),-1);
Arc-Shaped:=REF(T-line-SYS,1) AND IND.RSV(14) <30 AND IND.RSV(14)>5 AND LAST<LOW*1.05 AND LAST>HIGH*0.95 AND HSL<1.1;
DRAWCIR(Arc-Shaped,L,-10)
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、换手率、涨跌幅、成交量等数据
return: 选出的股票代码列表
"""
def is_arc_shaped(df):
"""
判断股票是否为圆弧形
"""
t_line_sys = (df['close'] > df['close'].rolling(8).mean()) & (df['low'] <= df['low'].rolling(5).min().shift(1))
rsv = (df['close'] - df['low'].rolling(14).min()) / (df['high'].rolling(14).max() - df['low'].rolling(14).min()) * 100
arc_shaped = t_line_sys.shift(1) & rsv.between(5, 30) & (df['close'].iloc[-1] < df['low'].iloc[-2] * 1.05) & (df['close'].iloc[-1] > df['high'].iloc[-2] * 0.95) & (df['volume'].iloc[-1] / df['volume'].mean() < 1.1)
return arc_shaped.iloc[-1]
selected_stocks = []
for code, df in data.groupby(level=0):
if ('SH' in code) and ('ST' not in code) and \
(df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and (df['pct_chg'].iloc[-1] > 1) and \
is_arc_shaped(df):
selected_stocks.append(code)
return selected_stocks
其中 data 数据需包含的列为：ts_code（股票代码）、trade_date（交易日期）、open（开盘价）、close（收盘价）、turnover_rate（换手率）、pct_chg（涨跌幅）、volume（成交量）等。
## 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。
