问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、DEA指标上涨，反包。
选股逻辑分析
此选股策略综合考虑了市场交易活跃度和趋势，以及反包信号。换手率在3%-12%表明市场交易活跃但不至于过于繁忙，DEA指标上涨表示该股票处于上涨趋势，同时注意到反包，即该股票在上涨趋势中出现了一次短期回调，此时我们希望在回调之后再次进入股票。
有何风险？
此选股策略可能会忽略一些长期处于下跌或横盘状态的股票，同时也有可能在众多反包股票中选择了表现较差的股票。
如何优化？
可以增加其他技术指标作为辅助分析，同时对反包信号进行更详细的研究，选择具有更好表现和弹性的反包股票。
最终的选股逻辑
在换手率在3%-12%、DEA指标上涨的基础上，选择出现反包信号并在回调之后再次进入的股票。
同花顺指标公式代码参考
换手率：TURNOVER>=3 AND TURNOVER<=12;
DEA指标上涨：REF(MA(CLOSE,12),1)>REF(MA(CLOSE,26),1) AND MA(CLOSE,12)>MA(CLOSE,26) AND MA(CLOSE,12)-MA(CLOSE,26)>MA(MA(CLOSE,12)-MA(CLOSE,26),9);
反包：(REF(HIGH,1)<REF(CLOSE,1)) AND (HIGH<REF(HIGH,1)) AND (CLOSE>REF(CLOSE,1)) AND (LOW>REF(LOW,1));
选股：SELECT(CODE, 换手率 AND DEA指标上涨 AND 反包, (NOT ISSTOPER AND NOT ISNEW))
python代码参考
def select_stocks(df):
df = df[['code', 'turnover', 'close', 'high', 'low']]
df = ths.dea(df, 9, 12, 26)
df['reverse'] = (df['high'].shift(1) < df['close'].shift(1)) & (df['high'] < df['high'].shift(1)) & (df['close'] > df['close'].shift(1)) & (df['low'] > df['low'].shift(1))
df = df[(df['turnover']>=3) & (df['turnover']<=12) & (df['dea_up']==True) & (df['reverse']==True)]
return pd.DataFrame({'code': df['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。
