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，并且昨天的换手率大于8%。
选股逻辑分析
与上一个选股逻辑相比，将筛选条件中的收盘前5分钟涨幅小于6%改为了昨天的换手率大于8%。这样更加关注股票的交易活跃度，筛选出更具有投资价值的股票。
有何风险？
改变筛选条件后，可能会过分关注交易活跃度，而忽略掉一些基本面因素，例如市值、行业类别和财务状况等，存在选择风险。
如何优化？
可以继续引入其他基本面、技术面指标，例如市盈率、市净率、动量指标、趋势指标等，以进一步筛选趋势明显、质量好的股票。也可以调整筛选条件和权重，例如加大对市值、行业因素的考虑，增强策略的鲁棒性和波动抵抗能力。
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，并且昨天的换手率大于8%。
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
TurnoverRate[2]*100>8 and // 昨日换手率大于8%
}
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] > 8) and (df['turnover_rate'].iloc[-2] < 20) and \
(df['turnover_rate'].iloc[-1] > 3) and (df['turnover_rate'].iloc[-1] < 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。
