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，竞价涨幅在-2%到5%之间的A股股票。
选股逻辑分析
本选股策略综合利用交易数据及技术指标进行选股。其中，选择换手率在3%-12%是为了保证选股样本具有一定的市场参考价值，DEA指标上涨是为了从技术面判断其短期上升趋势，竞价涨幅在-2%到5%之间是为了筛选出具有一定增长潜力的个股。
有何风险？
本选股策略可能会漏选一些市值较小但发展潜力较大、走势较好的股票，同时，在市场较为波动时，竞价涨幅的波动较大，也会影响选股效果。
如何优化？
可增加其他基本面因素及市场指标作为选股条件，同时利用其他技术指标如RSI等进行协同判断，从而提高整体选股能力。
最终的选股逻辑
选股条件为：换手率在3%-12%，DEA指标上涨，竞价涨幅在-2%到5%之间的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);
竞价涨幅：((OPEN - PREV_CLOSE)/PREV_CLOSE >= -0.02) AND ((OPEN - PREV_CLOSE)/PREV_CLOSE <= 0.05);
SELECTED_STOCKS: SELECT(CODE, TURNOVER AND DEA指标上涨 AND 竞价涨幅,CODE);
python代码参考
def select_stocks(df):
df = df[['code', 'turnover', 'open', 'close', 'pre_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['bid_increase'] = sub_df['open']/sub_df['pre_close'] - 1
sub_df = sub_df[(sub_df['turnover'] >= 3) & (sub_df['turnover'] <= 12) & (sub_df['dea'].diff() > 0) & (sub_df['bid_increase']>-0.02) & (sub_df['bid_increase']<0.05)]
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。
