问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、DEA指标上涨、最近七个交易日收盘价连续下跌的A股股票。
选股逻辑分析
本选股策略结合了市场交易量、技术指标、价格走势等多个方面进行筛选，其中，以换手率在3%-12%为选股前提，DEA指标上涨是以技术面为判断依据，七连阴是以股票价格走势为判断依据，可较好地反映资金流向和市场情绪。
有何风险？
本策略可能会漏选一些长期震荡的横盘股，同时该策略存在选股过于悲观的风险，容易出现错误选股和错失一些良好股票的情况。
如何优化？
可尝试加入其他市场指标与因素进行筛选，如市盈率、市净率等综合考虑，同时采取适当的阈值设置与细节处理等方法，有助于选股策略的鲁棒性与有效性。
最终的选股逻辑
选股条件为：换手率在3%-12%、DEA指标上涨、最近七个交易日收盘价连续下跌的A股股票。
同花顺指标公式代码参考
换手率：TURNOVER >= 3 AND TURNOVER <= 12;
DEA指标上涨：REF(MA(CLOSE,12),1)>REF(MA(CLOSE,26),1) AND MA(CLOSE,12)>MA(CLOSE,26) AND MA(CLOSE,12)-MA(CLOSE,26)>MA(MA(CLOSE,12)-MA(CLOSE,26),9);
七连阴：COUNT(CLOSE<REF(CLOSE,1),7)==7;
SELECTED_STOCKS: SELECT(CODE, TURNOVER AND DEA指标上涨 AND 七连阴 AND 涨跌幅,CODE);
python代码参考
def select_stocks(df):
df = df[['code', 'turnover', 'close']]
selected_codes = []
for code in df['code'].unique():
sub_df = df[df['code'] == code]
sub_df['ema12'] = sub_df['close'].ewm(span=12).mean()
sub_df['ema26'] = sub_df['close'].ewm(span=26).mean()
sub_df['dea'] = sub_df['ema12']-sub_df['ema26']
sub_df['count'] = (sub_df['close'] < sub_df['close'].shift()).rolling(window=7).sum()
sub_df = sub_df[(sub_df['turnover'] >= 3) & (sub_df['turnover'] <= 12) & (sub_df['dea'].diff() > 0) & (sub_df['count'] == 7)]
if len(sub_df) > 0:
selected_codes.append(code)
return pd.DataFrame({'code': selected_codes})
## 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。
