问财量化选股策略逻辑
选股逻辑为：在换手率3%到12%范围内，选择连续7天下跌且竞价成交量比昨日成交量增长超过50%的股票。
选股逻辑分析
该选股逻辑除了考虑连续的下跌趋势，还加入了竞价成交量比昨日成交量增长超过50%的条件，从而更好地把握股票价格的波动，从而提高选股的准确性。然而，该策略仍忽略了一些基本面因素，如公司盈利、行业前景、基本面业绩等等，在筛选股票时不能全面评估股票的价值。
有何风险？
该选股策略可能将过大的依赖价量因素和短期对市场的预测，忽视了其他因素的作用，从而出现过度的波动，或者选出的股票在一定时间内可能会出现偏差。另外，选股策略的调整优化，可能需要一定的理论或者技术支持。
如何优化？
加入基本面因素，如公司盈利能力，市场地位，行业前景等，从而更加全面地评估股票的价值。同时可以在时间维度上进行考虑，如近一年的各项市场表现等等，深入理解各项资料的关系，从而达到优化策略的目标。
最终的选股逻辑
基于换手率3%到12%的条件下，在连续7天下跌的基础上，筛选出竞价成交量比昨日成交量增长超过50%的股票进行选股。
同花顺指标公式代码参考
以下是通达信指标公式：
选股公式：
选股条件：TURNOVERRATE > 3 AND TURNOVERRATE < 12 AND COUNTSIF(DIV(LAST(CLOSE,7),REF(LAST(CLOSE,1),1))<1,7)=7 AND (LAST(TURNOVERRATE)*(LAST(PRESETTLE)>0.5*LAST(VOLUME)/REF(VOLUME,1)))*(LAST(TURNOVERRATE)*(LAST(PRESETTLE)<2*LAST(VOLUME)/REF(VOLUME,1)))
注：TURNOVERRATE为总换手率，CLOSE为收盘价，COUNTSIF为序列函数，用于统计符合条件的记录数，DIV函数为除法函数，LAST()表示取最后一天的值，PRESETTLE为昨日收盘价，VOLUME为成交量，REF(VOLUME,1)表示取前一天的成交量。本公式选择出连续7日下跌且昨日竞价成交量比昨日成交量增长超过50%股票。
python代码参考
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
if (df['turnoverratio'].iloc[-1] > 3 and df['turnoverratio'].iloc[-1] < 12 and \
df['close'].rolling(window=7).apply(lambda x: (x[:-1] > x[-1]).all()).iloc[-1] and \
df['turnoverratio'].iloc[-2] * (df['pre_close'].iloc[-1] > 0.5*df['volume'].iloc[-1]/df['volume'].iloc[-2]) > 0.5 and \
df['turnoverratio'].iloc[-2] * (df['pre_close'].iloc[-1] < 2*df['volume'].iloc[-1]/df['volume'].iloc[-2]) < 2):
selected_stocks.append(code)
return selected_stocks
同样需要注意数据源指标名称的相应修改。对于更细节的配置和特殊情况的处理，可以根据实际需求进行程序优化。
## 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。
