问财量化选股策略逻辑
选股逻辑为：选择换手率在3%~12%之间、买一量大于卖一量、（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2的股票。
选股逻辑分析
该选股策略综合考虑了股票的市场活跃度、市场参与度和流动性，通过选股筛选出适合短期交易的股票。
有何风险？
该选股策略只考虑了股票的量化指标，没有考虑其他基本面和技术面因素的影响，因此其选股结果可能存在一定的盲区。
如何优化？
可以引入其他技术面和基本面指标，如市盈率、市净率、MACD、RSI等，结合机器学习和大数据等技术优化模型，提高选股效果。
最终的选股逻辑
在换手率在3%~12%之间、买一量大于卖一量、（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2的股票中，选出前20个股票。
同花顺指标公式代码参考
SELECT STOCKCODE FROM
(SELECT STOCKCODE FROM BLOCK_STOCK
WHERE BLOCKID = 'HS300'
AND STOCKCODE IN
(SELECT STOCKCODE FROM KLINE_MINUTE
WHERE STOCKCODE IN
(SELECT SYMBOL FROM STOCK_INFO
WHERE TURNOVERRATE > 3 AND TURNOVERRATE < 12
AND BUY1VOLUME > SELL1VOLUME)
AND ((YESTCLOSE*TODAYVOLUME/YESTVOLUME) > 0.5 AND (YESTCLOSE*TODAYVOLUME/YESTVOLUME) < 2)))
WHERE ROWNUM <=20;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂单大量大于卖单的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 计算股票的流动性指标
daily_basic_df = pro.daily_basic(ts_code='', trade_date='20220421', fields='ts_code,turnover_rate,close')
daily_basic_df['liquidity'] = daily_basic_df['turnover_rate'].shift(1) * (market_df['bid_price1'] * market_df['volume'] / market_df['close'].shift(1))
df1 = pd.merge(df1, daily_basic_df, on='ts_code', how='inner')
df1 = df1[(df1['liquidity'] > 0.5) & (df1['liquidity'] < 2)]
# 按换手率筛选股票
df1 = df1[(df1['turnover_rate'] > 3) & (df1['turnover_rate'] < 12)]
# 合并所有指标，返回选股结果
return df1.head(20)['ts_code']
## 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。
