问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%之间、今日上涨幅度大于1%（比较同板块的股票涨幅）、竞价涨幅在-2%到5%之间的股票。
选股逻辑分析
该选股逻辑主要结合了换手率、股价表现和竞价表现的因素进行综合考虑，筛选出在短期具有较好竞价表现和可能存在较大涨幅空间的股票。
有何风险？
该选股逻辑仅考虑了部分技术指标的表现，可能存在较大的误差和盲区。竞价涨幅涵盖了之前多日的涨跌变化，可能存在较大成交量的主力操盘或者机构资金活动的干扰。此外，竞价涨幅仅仅都观察了当天的涨跌，缺少了盘中变化和成交量的考量。
如何优化？
可以结合其他指标进行辅助筛选，例如市值、ROE等指标来进行筛选，同时还可以结合交易量和资金流进行筛选。此外，可使用机器学习等算法进行优化和模型拟合，提升选股效果。
最终的选股逻辑
选择换手率在3%-12%之间、今日上涨幅度大于1%（比较同板块的股票涨幅）、竞价涨幅在-2%到5%之间的股票。
同花顺指标公式代码参考
SET_GROUP(1);
/* 换手率 3%-12% */
HSL>=3 AND HSL<=12;
/* 今日涨幅 > 1% */
XTBG=FETCH(CLOSE,TODAY,1)/FETCH(CLOSE,TODAY-1,1)-1;
XTBG>1% AND XTBG<100;
/* 竞价涨幅在-2%到5%之间 */
JJZF>=-2 AND JJZF<=5;
JJZF=100*(REF(CLOSE,1)-OPEN)/REF(CLOSE,1);
python代码参考
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 #####
rs = bs.query_stock_basic()
stock_list = []
for code in rs.get_row_data():
if code[1] != '1' and code[1] != '0':
continue
if code[2] == '3' or code[2] == '6':
continue
if float(code[5]) < 50 or float(code[5]) > 100:
continue
k_data = bs.query_history_k_data_plus(
code[0], "date,open,high,low,close,volume",
start_date=(datetime.now()-timedelta(days=7)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"), frequency="d", adjustflag="2")
if k_data.data is None or len(k_data.data) == 0 or k_data.error_code != '0':
continue
df_k_data = pd.DataFrame(k_data.data, columns=k_data.fields)
today_open_price = df_k_data.iloc[-1]['open']
yesterday_close_price = df_k_data.iloc[-2]['close']
check_point1 = today_open_price/yesterday_close_price - 1 > 0.01
if not check_point1:
continue
tick_data = bs.query_history_k_data_plus(
code[0], "date,time,price",
start_date=datetime.now().strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"), frequency="t", adjustflag="2")
if tick_data.data is None or len(tick_data.data) == 0 or tick_data.error_code != '0':
continue
df_tick_data = pd.DataFrame(tick_data.data, columns=tick_data.fields)
df_tick_data['datetime'] = pd.to_datetime(df_tick_data['date'] +" "+ df_tick_data['time'])
df_tick_data = df_tick_data.set_index('datetime')
jjzf = (df_tick_data['price'][-1] - today_open_price)/today_open_price
check_point2 = jjzf >= -0.02 and jjzf <= 0.05
if check_point2:
data_list = []
data_list.append(code[0])
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code'])
df_length = len(df)
if df_length > 0:
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。
