问财量化选股策略逻辑
选股逻辑为：在换手率在3%~12%之间、三连阴，并且昨日竞价换手率大于0.26的股票中选取，以期望找到有一定上涨空间、具有未来潜力的股票。
选股逻辑分析
该选股策略不仅考虑了技术分析中的三连阴等指标，还加入了昨日竞价换手率的条件，可以更准确地筛选出后市有上涨潜力的股票。
有何风险？
该逻辑中的昨日竞价换手率只考虑了一天的数据，存在较大的随机性和偶然性，再加上市场波动较大，很可能导致在符合其他条件的前提下，选中了不符合实际的股票。同时，换手率和竞价换手率的短期指标性质对于一些交易量较小的股票也存在不足的情况，也存在一定的风险。
如何优化？
可以加入更多的过滤条件，例如市值、行业、基本面等等，综合分析选股。同时可以调整选股逻辑中的条件阈值，提高筛选的严格度。
最终的选股逻辑
在换手率在3%~12%之间、三连阴，并且昨日竞价换手率大于0.26的股票中选取。
同花顺指标公式代码参考
暂无
python代码参考
import baostock as bs
import pandas as pd
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 ####
rs = bs.query_stock_basic()
stock_list = []
while (rs.error_code == '0') & rs.next():
stock_code = rs.get_row_data()[0]
# 查询K线数据
rs_l = bs.query_history_k_data_plus(stock_code, 'date,open,high,low,close,turnoverF,ma5,ma10,ma20,rsi12,rsi24', start_date='2022-06-01', end_date='2022-07-01', frequency='d', adjustflag='3')
if rs_l.error_code == '0':
# 判断是否为三连阴
if float(rs_l.get_row_data()[7]) < 0 and float(rs_l.get_row_data()[8]) < 0 and float(rs_l.get_row_data()[9]) < 0:
# 判断昨日竞价换手率是否满足条件
rs_l2 = bs.query_history_k_data_plus(stock_code, 'date,turnoverrate', start_date='2022-06-30', end_date='2022-07-01', frequency='d', adjustflag='3')
if rs_l2.error_code == '0' and float(rs_l2.get_row_data()[1]) > 0.26:
# 判断换手率
if float(rs_l.get_row_data()[6]) >= 3 and float(rs_l.get_row_data()[6]) <= 12:
stock_list.append(stock_code)
# 转换成DataFrame格式并输出结果
df = pd.DataFrame(stock_list, columns=['stock_code'])
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。
