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，且出现酷特智能早晨之星形态。
选股逻辑分析
该选股策略在前一个策略的基础上加入了市场情绪因素，通过早晨之星形态的判断，更加强调股票市场的买卖情绪，排除一部分市场调整可能性。
有何风险？
该选股策略仍然忽略了估值等基本面因素的影响，对市场情绪的依赖可能会带来一定的交易风险。同时，该指标的准确性也需要通过反复验证和参数调整等方法进行进一步优化。
如何优化？
该选股策略可以考虑加入其它技术指标，例如RSI指标、MACD指标等，进行综合评估股票的买卖情绪。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，且出现酷特智能早晨之星形态。
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：
--计算早晨之星形态
KTE: IF(CLOSE[0] > OPEN[0] AND CLOSE[1] < OPEN[1] AND SMA(CLOSE,5)[1] < OPEN[1], 1, 0);
--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
KTE[1] > 0 // 前一日出现早晨之星形态
) 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 \
(talib.CDL3STARSINSOUTH(df['open'], df['high'], df['low'], df['close'])[-1] < 0) and \
(talib.CDLDOJISTAR(df['open'], df['high'], df['low'], df['close'])[-2] > 0) and \
(talib.CDLMORNINGSTAR(df['open'], df['high'], df['low'], df['close'], penetration=0)[-2] > 0):
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。
