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，流通市值大于100亿元。
选股逻辑分析
在原有的选股逻辑基础上，增加了流通市值大于100亿元的筛选条件，可以进一步约束市值过小的股票，降低选股风险，增加选股成功率。
有何风险？
该选股策略忽略了股票的行业、基本面、技术面等因素的影响，过于依赖换手率、涨跌幅和市值进行选择，存在过度拟合的风险。同时，如果市场整体行情不好，选出的股票也可能无法获得良好的回报。
如何优化？
可以引入更多的技术指标和基本面因素，例如均线、RSI、MACD等指标，评估股票的买卖情绪和基本面趋势。同时也可以通过反复验证和参数调整等方法进行进一步优化，增加策略的鲁棒性，降低策略过拟合的风险。
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，且流通市值大于100亿元。
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：
-- 计算涨跌幅乘以超大单净量
SuperVolume: (C*Big)/10000;
-- 计算条件选股
SELECT STOCK_SYMBOL FROM (
SELECT STOCK_SYMBOL, PRICE FROM BaseDataSplit WHERE
3<TurnoverRate[1]*100 and TurnoverRate[1]*100<12 and // 当日换手率3%到12%
2.5<ChangeRatioToRef(1) and ChangeRatioToRef(1)<11.5 and // 涨跌幅在2.5%到11.5%之间
SuperVolume > 0 and // 当日超大单净量大于0
TotalMarketCapital> 10000 and // 流通市值大于100亿元
VOLUME > 10000 and // 当日成交量大于1万手
}
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)
net_amount_ratio = df['net_amount'].iloc[-1] / df['volume'].iloc[-1]
if (df['turnover_rate'].iloc[-2] > 3) and (df['turnover_rate'].iloc[-2] < 12) and \
(df['pct_chg'].iloc[-1] * net_amount_ratio > 0) and \
(df['total_mv'].iloc[-1] / 100000000 > 10) and \
(df['volume'].iloc[-1] > 10000):
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。
