问财量化选股策略逻辑
选股逻辑为：在换手率在3%~12%之间、买一量大于卖一量、股价为18.5元的股票中选取。
选股逻辑分析
该选股策略从交易活跃度、市场需求、潜在的底部支撑点等角度出发，选取具有一定上涨潜力的股票。18.5元的股价可能代表了该股票的底部支撑。同时买一量大于卖一量，则表示市场需求存在且强劲，换手率在一个合理的区间内，也表明了当前市场活跃度正常，具备一定的交易机会。
有何风险？
此选股策略也比较依赖市场情绪和投机性需求，可能存在短期行情波动和资金大幅流入流出的风险。股价单一指标过于单一，因此可能无法构成完整的选股体系。
如何优化？
可以加入更多的技术指标以及基本面、财务面等长期因素的考虑，增强选股的可靠性。同时，可以加入定期估值分析，以确定投资策略的优劣性。
最终的选股逻辑
在换手率在3%~12%之间、买一量大于卖一量、股价为18.5元的股票中选取。
同花顺指标公式代码参考
SELECT SYMBOL FROM (
SELECT SYMBOL FROM GDH WHERE NAME = '换手率'
AND (CAST(DATA AS NUMBER) > 3) AND (CAST(DATA AS NUMBER) < 12)
AND SYMBOL IN (SELECT STOCK_CODE FROM STOCK_BASIC WHERE MARKET = '主板' AND LIST_STATUS = '上市')
AND SYMBOL IN (SELECT STOCK_CODE FROM SDB WHERE NAME = '买一' AND CAST(DATA AS NUMBER) > CAST(FDATA AS NUMBER))
) A
LEFT JOIN (
SELECT SYMBOL FROM GDH WHERE NAME = '最新价' AND CAST(DATA AS NUMBER) = 18.5
) B ON A.SYMBOL = B.SYMBOL
WHERE B.SYMBOL IS NOT NULL;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(date):
pro = ts.pro_api()
# 查询挂单大量大于卖单、股价为18.5元的股票
market_df = pro.market_detail(symbol='', trade_date=date)
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
df1 = df1[df1['last_price'] == 18.5]
# 按换手率筛选股票
daily_basic_df = pro.daily_basic(ts_code='', trade_date=date, fields='ts_code,turnover_rate')
df1 = pd.merge(df1, daily_basic_df, on='ts_code', how='inner')
df1 = df1[(df1['turnover_rate'] > 3) & (df1['turnover_rate'] < 12)]
# 按市场筛选股票
df1 = df1[df1['ts_code'].str.startswith('0')]
# 按买卖盘挂单量筛选股票
sdb_df = pro.stk_holdernumber(ts_code='', start_date=date, end_date=date, fields='ts_code,mkv')
sdb_df.rename(columns={'ts_code': 'symbol'}, inplace=True)
df1 = pd.merge(df1, sdb_df, on='symbol', how='inner')
df1 = df1[(df1['buy_sm_vol'] > df1['sell_sm_vol']) & (df1['buy_sm_vol'] > df1['mkv'])]
# 合并所有指标，返回选股结果
return df1['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。
