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、今日上涨幅度大于1%（比较同板块的股票涨幅）、非科创板的主板股票，根据当日资金流入净额由大到小排序。
选股逻辑分析
在原有逻辑基础上，加入了资金流入净额排序因素。根据当日资金流入净额排序可以更好的根据市场资金状况选出潜在强势股票，从而降低选股风险。
有何风险？
选择股票仅基于单一的当日净流入资金排序，可能无法真实反映股票资金流动趋势，存在偏差。此外也可能会存在选股过程受到市场资金流向影响，从而造成策略波动较大。
如何优化？
可以加入其他资金流向指标如5日净流入、10日净流入等，综合考虑股票的资金流向趋势。同时，可以加入其他技术指标如KD、RSI等，以更全面的角度来选择股票。
最终的选股逻辑
选择换手率在3%-12%之间、今日上涨幅度大于1%（比较同板块的股票涨幅）、非科创板的主板股票，根据当日资金流入净额最大排序。
同花顺指标公式代码参考
SET_GROUP(1);
SET_SORT_RULE(ASCENDING);
SET_CHINESE_CHARSET("gbk");
/* 一般的选股公式，与选股策略逻辑一致 */
LAST_POINT = HSL >= 3.0 AND HSL <= 12.0 AND ZT > 1 AND GZBMEX <> 0 AND GZBMEX <> 1;
/* 在此基础上，添加当日资金流入净额 */
SET_TIME_RANGE(1);
JLR = NETIN-ASK2()-BID2();
LAST_POINT = LAST_POINT AND JLR > REF(JLR, 1);
/* 根据当日资金流入净额从大到小排序 */
SET_SORT_RULE(DESCENDING);
N1=10;
LAST_SORT(JLR, N1);
D1=FETCH(JLR, TCZQDL, N1);
SELECT(security_code, TCZQDL, D1);
python代码参考
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 #####
rs = bs.query_all_stock(day=datetime.now().strftime("%Y-%m-%d"))
stock_list = []
for code in rs.get_row_data():
if not code.startswith('sh.') and not code.startswith('sz.'):
continue
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
if code.startswith('sh.110') or code.startswith('sz.110'):
continue
# 标志位，标识是否为科创板
flag = True
if code.startswith('sh.688') or code.startswith('sz.300'):
flag = False
# 换手率 3%-12%
k_data = bs.query_history_k_data_plus(
code, "date,open,high,low,close,volume",
start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"),
end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point1 = k_data.data[0][5]>=3 and k_data.data[0][5]<=12
else:
continue
# 今日涨幅 > 1%
index_rs = bs.query_history_k_data_plus('sh.000001', 'close', start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency='d')
if index_rs.error_code == '0' and len(index_rs.data)>0:
index_close = float(index_rs.data[0][0])
else:
continue
k_data_compare = bs.query_history_k_data_plus(code, "date,close", start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data_compare.error_code == '0' and len(k_data_compare.data)>0:
check_point2 = k_data_compare.data[0][1]/index_close-1 > 0.01
else:
continue
# 当日资金流入净额排序
today_rs = bs.query_history_k_data_plus(code, 'date,tradeVal,netFlowRatio', start_date=datetime.now().strftime("%Y-%m-%d"), end_date=datetime.now().strftime("%Y-%m-%d"), frequency='d')
if today_rs.error_code == '0' and len(today_rs.data) > 0:
money_flow = float(today_rs.data[0][1])*float(today_rs.data[0][2])/100
check_point3 = money_flow > 0
else:
continue
if check_point1 and check_point2 and flag and check_point3:
data_list = []
data_list.append(code)
data_list.append(money_flow) # 添加当日资金流入净额作为比较因素
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code', 'money_flow'])
df = df.sort_values(by='money_flow', ascending=False)
df = df.head(10)
df_length = len(df)
if df_length > 0:
print(df)
##### 登出系统 #####
bs.logout()
## 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。
