问财量化选股策略逻辑
选股逻辑：选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0的股票，且收盘价在boll线的上方。
选股逻辑分析
该选股策略在前一个选股策略的基础上加入了boll线的条件，更加关注股票走势的趋势性和震荡，排除一部分股票的调整可能性。
有何风险？
该选股策略仍然将重心放在量化指标上，忽略了基本面和估值等因素的影响。同时，过于依赖boll线也有被市场突发事件影响的可能性，例如黑天鹅事件，难以适应复杂和多变的市场环境。
如何优化？
该选股策略可以考虑加入其它量化指标，例如RSI指标、MACD指标等，进行综合评估股票的趋势性和震荡情况。可以通过机器学习等方法筛选和验证股票的有效性，减小策略过拟合的风险。
最终的选股逻辑
选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0的股票，且收盘价在boll线的上方。
同花顺指标公式代码参考
以下是同花顺指标所需公式：
选股公式：
--计算boll线和信号线
BOLL:MA(C,20);
UP:BOLL+2*STD(C,20);
MID:BOLL;
DN:BOLL-2*STD(C,20);
--计算条件选股
SELECT TOPN N * FROM (
SELECT SCode, RO_Rank() OVER (ORDER BY SWeight DESC) Rank FROM StockData_Long WHERE
2.5<ChangeRatioToRef(1) and ChangeRatioToRef(1)<11.5 and // 涨跌幅在2.5%到11.5%之间
(C*Big>5*N and Big>0) and // 当日涨跌幅乘以超大单净量大于0
C>UP and C>MID // 收盘价在上轨和中轨之间
) WHERE Rank <= N
Python代码参考
以下是Python代码实现该选股逻辑：
import pandas as pd
from typing import List
from datetime import datetime, timedelta
import talib
def select_stock(data: pd.DataFrame, n=10) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_time', ascending=True)
if (df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and \
(df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 10000 / df['volume'].iloc[-1]) > 0) and \
(df['close'].iloc[-1] > talib.BBANDS(df['close'], timeperiod=20, nbdevup=2)[-1][-1]) and \
(df['close'].iloc[-1] > talib.BBANDS(df['close'], timeperiod=20)[-1][-1]):
s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
selected_stocks.append((code, s_weight))
selected_stocks.sort(key=lambda x: x[1], reverse=True)
selected_stocks = selected_stocks[:n]
return [x[0] for x in selected_stocks]
## 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。
