问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、买一量大于卖一量且主升起动的股票。
选股逻辑分析
该选股逻辑综合考虑了股票交易量、价格买卖盘情况以及股票走势等因素。换手率在3%-12%可以减少波动性风险；买一量大于卖一量表示当前股票市场涨势较强；主升起动则代表该股票正在进入一个较长时间的上涨周期，具备较强的投资价值。
有何风险？
该选股逻辑在风险控制方面主要考虑了波动性风险以及市场走势风险。但是该逻辑的主升起动指标可能存在漏判的情况，或者在牛市行情结束后出现买入的情况，需要在投资过程中加以注意。
如何优化？
可以加入其他技术指标如KDJ、RSI等进行判断，同时可以考虑加入行业板块分类筛选，以进一步提高选股准确性。
最终的选股逻辑
选择换手率在3%-12%、买一量大于卖一量且主升起动的股票。
同花顺指标公式代码参考
买一量大于卖一量：SELECT(BIDV1>ASKV1)
换手率在3%-12%：SELECT(TURN<N>AVG(TURN,N) AND TURN<N>3 AND TURN<N<12)
主升起动：SELECT(CLOSE>MA(N) AND MA(N)>MA(MA(N),M) AND C>Ref(C,-1))
选股：SELECT(CODE AND 买一量大于卖一量 AND 换手率在3%-12% AND 主升起动)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂买一量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220322')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 查询换手率在3%-12%的股票
daily_df = pro.daily(ts_code='', start_date='20220322', end_date='20220322', fields='ts_code,turnover_rate')
df2 = daily_df[(daily_df['turnover_rate'] >= 3) & (daily_df['turnover_rate'] <= 12)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
# 查询主升起动的股票
ma5 = pro.daily_basic(ts_code='', trade_date='20220322', fields='ts_code,close,ma5')
ma20 = pro.daily_basic(ts_code='', trade_date='20220322', fields='ts_code,ma20,ma60')
df3 = ma5[(ma5['close'] > ma5['ma5']) & (ma5['ma5'] > ma5['ma5'].rolling(5).mean())]
df3 = pd.merge(df3, ma20[['ts_code', 'ma20', 'ma60']], on='ts_code')
df3 = df3[(df3['ma20'] > df3['ma60']) & (df3['close'] > df3['close'].shift(1))]
df1 = pd.merge(df1, df3[['ts_code']], on='ts_code')
return df1['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。
