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

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、上市时间大于某一时间的股票。

选股逻辑分析

该选股策略综合考虑了股票的市场活跃度、市场参与度和上市时间，通过选股筛选出较为稳定的、有一定市场认可度的股票。

有何风险？

该选股策略只考虑了股票的量化指标和企业的上市时间，没有考虑其他基本面和技术面因素的影响，因此其选股结果可能存在一定的盲区。

如何优化？

可以引入其他技术面和基本面指标，如市盈率、市净率、MACD、RSI等，结合机器学习和大数据等技术优化模型，提高选股效果。

最终的选股逻辑

在换手率在3%~12%之间、买一量大于卖一量、上市时间大于10年的股票中，选出前30个股票。

同花顺指标公式代码参考

SELECT STOCKCODE FROM 
    (SELECT STOCKCODE FROM BLOCK_STOCK
        WHERE BLOCKID = 'HS300'
        AND STOCKCODE IN 
            (SELECT STOCKCODE FROM KLINE_DAY
                WHERE STOCKCODE IN 
                    (SELECT SYMBOL FROM STOCK_INFO
                         WHERE TURNOVERRATE > 3 AND TURNOVERRATE < 12
                         AND BUY1VOLUME > SELL1VOLUME
                         AND LISTDATE <= TO_DATE('20120101','YYYYMMDD')))
    WHERE ROWNUM <=30;

python代码参考

import pandas as pd
import tushare as ts

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

    # 查询挂单大量大于卖单的股票
    market_df = pro.market_detail(symbol='', trade_date='20220422')
    df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]

    # 按上市时间筛选股票
    stock_basic_df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,list_date')
    df1 = pd.merge(df1, stock_basic_df, on='ts_code', how='inner')
    df1 = df1[df1['list_date'] <= '20120101']

    # 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)]

    # 合并所有指标，返回选股结果
    return df1.head(30)['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)