问财量化选股策略逻辑
选股逻辑：选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0，且10天内涨停天数大于2的股票。
选股逻辑分析
该选股策略在前一个选股策略的基础上加入了涨停的限制，更加关注市场的热度和估值。同时，该策略仍然关注交易活跃度和资金流入。
有何风险？
该选股策略仍然将重心放在量化指标上，忽略了基本面和估值等因素的影响。同时，对于过多涨停的股票，可能存在调整压力，可以考虑添加低位震荡的判断条件。此外，策略本身也存在过度拟合的风险。
如何优化？
该选股策略可以考虑加入其它量化指标，例如RSI指标、市盈率、PEG等，进行综合评估股票的估值情况。同时可以添加低位震荡的判断条件，避免过多涨停的股票。可以采用机器学习等方法对股票进行筛选和验证，减小策略过拟合的风险。
最终的选股逻辑
选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0，且10天内涨停天数大于2的股票。
同花顺指标公式代码参考
以下是同花顺指标所需公式：
选股公式：
--计算涨停天数
UP := (HIGH-REF(CLOSE,1))/REF(CLOSE,1)>0.098;
Prev_UP := REF(UP,1);
TWO_UP := (UP+Prev_UP)>=2;
--进行选股
SELECT TOPN N * FROM (
SELECT SCode, RO_Rank() OVER (ORDER BY SWeight DESC) Rank FROM StockData_Long WHERE
2.5<ChangeRatioToRef(1) and ChangeRatioToRef(1)<11.5 and // 涨跌幅在2.5%到11.5%之间
(C*Big>5*N and Big>0) and // 当日涨跌幅乘以超大单净量大于0
TWO_UP // 10天内涨停天数大于2
) WHERE Rank <= N
Python代码参考
以下是Python代码实现该选股逻辑：
import pandas as pd
from typing import List
from datetime import datetime, timedelta
def select_stock(data: pd.DataFrame, n=10) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_time', ascending=True)
up_count = len(df[(df['pct_chg'] == 10) & (df['high'] == df['close'])])
if (df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and \
(df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 10000 / df['volume'].iloc[-1]) > 0) and \
(up_count > 2):
s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
selected_stocks.append((code, s_weight))
selected_stocks.sort(key=lambda x: x[1], reverse=True)
selected_stocks = selected_stocks[:n]
return [x[0] for x in selected_stocks]
## 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。
