问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、今日DEA指标上涨、今日上涨涨幅大于1%的A股股票。
选股逻辑分析
本选股策略综合考虑了技术面和市值流动性等因素。通过DEA指标的上涨和涨幅大于1%来筛选出股票，考虑了短期市场走势和技术面走势，同时又从市值流动性的角度综合考虑了换手率的过滤条件。
有何风险？
该选股策略忽略了公司基本面因素，如财务状况、行业环境等。且过高地关注技术面可能会使回测结果受到较大的波动，容易发生数据过拟合现象。
如何优化？
可以考虑将技术面指标与基本面指标结合，加强选股策略的个股分析。同时，也可以根据回测结果进行交叉验证、调整参数，避免因数据过拟合而产生的误导性信号。
最终的选股逻辑
选股条件为：换手率在3%-12%、DEA指标当日上涨、当日涨幅大于1%的A股股票。
同花顺指标公式代码参考
换手率：TURNOVER >= 3 AND TURNOVER <= 12;
DEA指标上涨：REF(MA(CLOSE,12),1)>REF(MA(CLOSE,26),1) AND MA(CLOSE,12)>MA(CLOSE,26) AND MA(CLOSE,12)-MA(CLOSE,26)>MA(MA(CLOSE,12)-MA(CLOSE,26),9);
当日涨幅：(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)>0.01;
SELECTED_STOCKS: SELECT(CODE,TURNOVER AND DEA指标上涨 AND 当日涨幅,CODE);
python代码参考
def select_stocks(df):
df = df[['code', 'turnover', 'close', 'llv', 'hhv']]
selected_codes = []
for code in df['code'].unique():
sub_df = df[df['code'] == code]
sub_df['ema12'] = sub_df['close'].ewm(span=12).mean()
sub_df['ema26'] = sub_df['close'].ewm(span=26).mean()
sub_df['dea'] = sub_df['ema12']-sub_df['ema26']
sub_df = sub_df[(sub_df['turnover'] >= 3) & (sub_df['turnover'] <= 12)]
if len(sub_df) > 0 and sub_df.iloc[-1]['dea'] > sub_df.iloc[-2]['dea'] and (sub_df.iloc[-1]['close'] - sub_df.iloc[-2]['close'])/sub_df.iloc[-2]['close'] > 0.01:
selected_codes.append(code)
return pd.DataFrame({'code': selected_codes})
## 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。
