问财量化选股策略逻辑
选股逻辑为：在换手率在3%-12%之间、连续三天收阴线、流通市值在50亿至100亿之间的情况下，选取这些股票。
选股逻辑分析
该选股逻辑综合了市场情绪、走势与公司基本面数据，通过连续收阴线的股票和流通市值在50亿至100亿之间的股票，筛选出市场情绪相对较悲观且基本面相对不错的潜在反弹股票。同时，加上换手率条件，也筛选出了相对较为活跃的股票。
有何风险？
该选股策略虽然加入了基本面数据，但仍然无法充分考虑公司行业特性，存在一定的盲目性。同时，连续性条件下，筛选出的股票可信度较低，存在较大的假阳性可能。
如何优化？
可以加入行业指标、公司财务指标等更为全面的基本面数据，以及更为细致的选股条件。同时，可以采用机器学习等技术来精准筛选潜在股票。
最终的选股逻辑
在换手率在3%-12%之间、连续三天收阴线、流通市值在50亿至100亿之间的情况下，选取这些股票。
同花顺指标公式代码参考
以通达信公式为例：
SETBARS(20,0);
V_SELECT:=N日涨跌幅(1)>=1 AND 换手率>=3 AND 换手率<=12 AND 流通市值>=500 AND 流通市值<=1000 AND MAINbd AND 三连阴(5);
条件选股：V_SELECT;
python代码参考
import baostock as bs
import pandas as pd
import datetime
#### 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]
# 查询股票实时行情
rs_q = bs.query_history_k_data_plus(stock_code, "date,code,open,high,low,tradeStatus,preclose,close,volume,amount,adjustflag,turn,pctChg,peTTM,pbMRQ,isST,float_share", "2022-07-05", "2022-07-05")
if rs_q.error_code == '0':
row_data = rs_q.get_row_data()
# 判断换手率和流通市值
volume = float(row_data[8])
turnover_rate = float(row_data[11])
float_share = float(row_data[14])
if 3 <= turnover_rate <= 12 and 50 <= float_share <= 100:
rs_k = bs.query_history_k_data_plus(stock_code, 'date,open,high,low,close,pctChg', start_date=datetime.datetime.now()-datetime.timedelta(days=10), end_date=datetime.datetime.now(), frequency='d', adjustflag='3')
if rs_k.error_code == '0':
# 判断连续收阴线
close_hist = list(map(float, rs_k.get_column("close")))
if len(close_hist) >= 3 and all([close_hist[i] < close_hist[i-1] for i in range(1, 4)]):
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。
