(supermind量化策略)task17/a/换手率3%-12%、买一量>卖一量、昨日成

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、买一量大于卖一量、昨日成交额大于6千万的股票。

选股逻辑分析

该选股策略主要考虑了股票的活跃度、市场参与度和成交金额情况，通过综合判断选股。

有何风险？

该选股逻辑仍然没有考虑基本面数据和公司业绩数据等重要因素，可能导致投资风险。

如何优化？

可以引入基本面数据，例如公司财报数据和行业情况数据，以提高选股策略的准确性。同时可以考虑引入机器学习和大数据等手段，来自动化选股和优化策略。

最终的选股逻辑

在换手率在3%~12%之间、买一量大于卖一量、昨日成交额大于6千万的股票中，选出前10个股票。

同花顺指标公式代码参考

SELECT SYMBOL FROM
    (SELECT SYMBOL, TURNOVERRATE, BUY1VOLUME, SELL1VOLUME FROM STOCK_INFO
        -- 选择换手率在3%~12%之间
        WHERE TURNOVERRATE > 3 AND TURNOVERRATE < 12
        -- 选择买一量大于卖一量
        AND BUY1VOLUME > SELL1VOLUME
        AND SYMBOL IN
            (SELECT SYMBOL FROM STOCK_DETAIL
                -- 选择昨日成交额大于6千万
                WHERE DATATYPE = 1 AND TRADEDATE = '20220421'
                AND TURNOVER >= 60000000))
    -- 选取前10的股票
    WHERE ROWNUM <= 10;

python代码参考

import pandas as pd
import tushare as ts

def select_stocks():
    pro = ts.pro_api()

    # 查询挂带大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'])]

    # 按换手率筛选股票
    daily_basic_df = pro.daily_basic(ts_code='', trade_date='20220421', fields='ts_code,turnover_rate')  
    df1 = pd.merge(df1, daily_basic_df, on='ts_code', how='inner')
    df1 = df1[(df1['turnover_rate'] > 3) & (df1['turnover_rate'] < 12)]

    # 查询股票的市值情况
    daily_df = pro.daily(ts_code='', trade_date='20220421', fields='ts_code,close,turnover_rate,total_mv')
    df1 = pd.merge(df1, daily_df, on='ts_code', how='inner')

    # 按成交额筛选股票
    df1 = df1[df1['total_mv'] > 60000000]

    # 合并所有指标，返回选股结果
    return df1.head(10)['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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)