问财量化选股策略逻辑
选股逻辑为：在换手率在3%-12%之间、三连阴、买一量大于卖一量的情况下，选取有涨幅潜力的股票。
选股逻辑分析
该选股策略主要关注了股票交易数据，通过买一量大于卖一量来筛选出具有可投资性的股票。
有何风险？
该选股策略过于关注股票交易数据，忽略了公司的基本面数据对于股票价值的影响，可能降低了选股准确性。同时，市场变化复杂，算法无法完全准确预测未来走势，存在操作的不确定性和市场波动风险。
如何优化？
可以加入基本面数据如市盈率、市净率等指标进行综合分析，来提高选股策略的准确度。
最终的选股逻辑
在换手率在3%~12%之间、三连阴、买一量大于卖一量的情况下，选取有涨幅潜力的股票。
同花顺指标公式代码参考
以通达信公式为例：
COND1:=N连阴(三天) AND 换手率<=12% AND 换手率>=3%;
COND2:=买一比卖一大;
条件筛选:COND1 AND COND2;
python代码参考
import baostock as bs
import pandas as pd
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 ####
rs = bs.query_stock_basic()
stock_list = []
while (rs.error_code == '0') & rs.next():
stock_code = rs.get_row_data()[0]
# 查询股票实时行情
rs_q = bs.query_history_k_data_plus(stock_code, "date,code,open,high,low,tradeStatus,preclose,close,volume,amount,adjustflag,turn,pctChg,peTTM,pbMRQ,isST, buyVol"，"2022-07-05", "2022-07-05")
if rs_q.error_code == '0':
row_data = rs_q.get_row_data()
buy_v = float(row_data[-1])
sell_v = float(row_data[-2])
if buy_v > sell_v:
# 判断三连阴
rs_k = bs.query_history_k_data_plus(stock_code, 'date,open,high,low,close,volume', start_date='2022-06-01', end_date='2022-07-01', frequency='d', adjustflag='3')
if rs_k.error_code == '0':
close = list(map(float, rs_k.get_column("close")))
if len(close) >= 3 and close[-3] > close[-2] and close[-2] > close[-1]:
# 判断换手率
volume = list(map(float, rs_k.get_column("volume")))
turnover_rate = [volume[i] / volume[i-1] for i in range(1, len(volume))]
turnover_rate.insert(0, 0)
if max(turnover_rate) <= 12 and min(turnover_rate) >= 3:
stock_list.append(stock_code)
# 转换成DataFrame格式并输出结果
df = pd.DataFrame(stock_list, columns=['stock_code'])
print(df)
#### 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。
