问财量化选股策略逻辑
选股逻辑为：选择换手率在3%~12%、买一量大于卖一量，并且今日上涨幅度大于1%的主板股票。
选股逻辑分析
该选股逻辑考虑到了流动性和股票走势两个因素，通过挑选出换手率在3%~12%的流动性较好的股票，结合买卖盘的情况和今日的涨幅来筛选品种。同时，仅选取主板股票，避免被公司盈利预期被过度炒作的创业板等股票带来风险。
有何风险？
该选股策略仍只考虑了价格和基本面的少量因素，并没有考虑其他更全面的指标，如行业走势、市场趋势等因素。有可能会出现在某些行情中选择不到好的股票。
如何优化？
可以增加选股策略所考虑的指标，如市值、财务报表等多方面的因素，进一步提高选股的确定性。同时，结合机器学习、人工智能等技术提高筛选的准确度。
最终的选股逻辑
选择换手率在3%~12%、买一量大于卖一量，并且今日上涨幅度大于1%的主板股票。
同花顺指标公式代码参考
选股：SELECT(CODE AND INDEX_CSI500 AND RISE>TODAY_OPEN*1.01 AND TURN<N>AVG(TURN, N) AND BIDV1>ASKV1)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂买一量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 查询换手率在3%-12%的股票
daily_df = pro.daily(ts_code='', start_date='20220421', end_date='20220422', fields='ts_code,turnover_rate')
df2 = daily_df[(daily_df['turnover_rate'] >= 3) & (daily_df['turnover_rate'] <= 12)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
# 查询今日涨幅大于1%的主板股票
stock_basic_df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name')
stock_basic_df = stock_basic_df[stock_basic_df['name'].apply(lambda x: 'ST' not in x)]
df3 = pro.daily_basic(ts_code='', trade_date='20220422',
fields='ts_code,close,pre_close,total_share,floating_share')
df3 = pd.merge(df3, stock_basic_df[['ts_code']], on='ts_code')
df3['rise'] = (df3['close'] - df3['pre_close']) / df3['pre_close']
df3 = df3[(df3['rise'] > 0.01) & (df3['ts_code'].apply(lambda x: x.startswith('6')))]['ts_code']
# 合并所有指标，返回选股结果
df1 = pd.merge(df1, df3, on='ts_code')
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。
