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）且今日连续三天下跌的股票。
选股逻辑分析
该选股逻辑选取了具有一定流动性、价格稳定的股票，并且针对股票走势进行了筛选，选择了存在一定下跌趋势的股票，具有一定的逆势投资价值。
有何风险？
该选股逻辑仅基于短期走势进行筛选，无法全面反映公司的基本面情况，同时存在短期回调可能转化为长期下跌的风险。
如何优化？
可以考虑将选股逻辑中的连跌情况与公司基本面情况结合，选择连续下跌但基本面较好的股票，以更全面、准确地评估股票的价值。
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）且今日连续三天下跌（DG(3,1))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;
/* 连续三天下跌 */
DG(3,1)<0;
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_all_stock(day=datetime.now().strftime("%Y-%m-%d"))
stock_list = []
for code in rs.get_row_data():
if not code.startswith('sh.') and not code.startswith('sz.'):
continue
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
if code.startswith('sh.110') or code.startswith('sz.110'):
continue
k_data = bs.query_history_k_data_plus(
code, "date,open,high,low,close,volume",
start_date=(datetime.now()-timedelta(days=3)).strftime("%Y-%m-%d"),
end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point1 = k_data.data[0][5]>=3 and k_data.data[0][5]<=12
index_rs = bs.query_history_k_data_plus('sh.000001', 'close', start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency='d')
if index_rs.error_code == '0' and len(index_rs.data)>0:
index_close = float(index_rs.data[0][0])
else:
continue
k_data_compare = bs.query_history_k_data_plus(code, "date,close", start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data_compare.error_code == '0' and len(k_data_compare.data)>0:
check_point2 = k_data_compare.data[0][1]/index_close-1 > 0.01
else:
continue
check_point3 = False
for i in range(1,4):
if k_data.data[i][4]>k_data.data[i-1][4]:
check_point3 = False
break
else:
check_point3 = True
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(code)
stock_list.append(data_list)
else:
continue
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。
