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，当日涨跌幅乘以超大单净量大于0，并且股票均价站在五日均线之上的股票。
选股逻辑分析
该选股逻辑同样从技术面着手，选择换手率处于适当区间且有一定市场活跃度的股票，通过涨跌幅和超大单净量的比较，筛选出具备一定市场能量的股票。加入股票均价站在五日均线之上的限制，进一步筛选出具备一定上涨趋势的股票。
有何风险？
该选股逻辑依然忽略了一些基本面因素，如公司业绩情况、财务状况等因素。同时，对于股票均价站在五日均线之上这一条件的设置，一定程度上忽视了短期波动，可能存在一定误判。此外，由于股票均价站在五日均线之上是一种动态的指标，不同的市场状态可能会导致选股结果有所不同。
如何优化？
同样可以加入一些基本面因素，如ROE、PE等因素，或者股票的业绩情况等因素来对股票质量进行筛选。同时，在均价与五日均线之间的位置上设置一个适当的容差范围，来避免过度依赖单一指标的限制。
最终的选股逻辑
选择换手率在3%到12%之间，当日涨跌幅乘以超大单净量大于0，并且股票均价站在五日均线之上的股票。
同花顺指标公式代码参考
C1: CHG * NET_AMOUNT > 0; // 当日涨跌幅乘以超大单净量大于0
C2: CLOSE > MA(CLOSE, 5); // 股票均价站在五日均线之上
C3: TURNOVER_RATE >= 3 AND TURNOVER_RATE <= 12; // 换手率在3%-12%之间
C4: (MARKET == 'SH' or MARKET == 'SZ') and SUBSTR(CODE, 1, 3) == '000'; // 选取 A 股市场的股票
SELECTED: C1 AND C2 AND C3 AND C4;
// 显示选中股票的名称和代码
LIST_NAMECODE;
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、涨跌幅、超大单净量、五日均线以及实际换手率等指标数据
return: 选出的股票代码列表
"""
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] > df['ma5'].iloc[-1]) and (code.startswith('0')):
selected_stocks.append(code)
return selected_stocks
其中 data 数据需包含的列为：ts_code（股票代码）、trade_time（交易时间）、pct_chg（涨跌幅）、net_amount（超大单净量）、volume（成交量）、turnover_rate（换手率）、close（当日收盘价）、ma5（五日均线）等选股指标数据。
## 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。
