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，竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万的股票。
选股逻辑分析
该选股策略相比之前三个策略，新增加了竞价时的涨跌幅买入大单和特大单共计买入量的要求，可更好地筛选出流动性较高且受到机构资金关注的标的。同时加入了竞价时的涨跌幅买入大单，有助于避免盘中出现的异动或暴跌。
有何风险？
该选股策略同样缺少对基本面的考虑，选出的标的会受到市场情绪和赚钱效应的影响。同时，策略涉及到竞价操作和特大单，风险相对较高。
如何优化？
可以结合更多的技术指标进行综合分析，如布林带等。可以根据不同市场环境进行适当的调整，例如在行情波动较大的市场要加强风控。
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，竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万的股票为选股范围。
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：
SELECT STOCK_SYMBOL AS code FROM CandlesDay WHERE
VOLUME >= 100000 AND
TURNOVER_RATIO >= 3 AND
TURNOVER_RATIO <= 12 AND
(CLOSE - OPEN) * (BIG) / 10000 > 0 AND
(CLOSE - OPEN) * (SUM(BIG/10000, 15) - REF(SUM(BIG/10000, 15), 1)) / REF(CLOSE, 1) > 0 AND
SUM(BIG, 15) > 700000000 AND
(JC_LOW_PRICE - JC_UP_PRICE) * (JC_BUY_SELL_VOLUME - REF(JC_BUY_SELL_VOLUME, 1)) / REF(CLOSE, 1) > 0
ORDER BY TURNOVER_RATIO DESC;
Python代码参考
以下是Python代码实现该选股策略：
import pandas as pd
from typing import List
from datetime import datetime, timedelta
def select_stock(data: pd.DataFrame, n=10) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
if ((df['volume'].iloc[-1] / df['volume'].iloc[-6:-1].mean() > 3) and \
(df['turnover_rate'].iloc[-1] > 3) and (df['turnover_rate'].iloc[-1] < 12) and \
((df['close'] - df['open']) * df['buy_volume'].iloc[-1] / 10000 > 0) and \
((df['jc_low_price'] - df['jc_up_price']) * df['jc_buy_sell_volume'].diff().iloc[-1] / df['close'].iloc[-1] > 0) and \
(df['big'].rolling(window=15).sum().iloc[-1] > 700000000)):
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。
