问财量化选股策略逻辑
选股逻辑：选择换手率在3%-12%之间、今日上涨幅度大于1%的主板股票，并且在竞价时出现涨跌幅买入大单和特大单共计买入量大于0.7千万的股票。
选股逻辑分析
该选股逻辑在之前的基础上加入了大单和特大单的交易数据，强化了股票市场的流动性和活跃性表现。同时，通过选择换手率在3%-12%之间的股票，适当降低了短期波动的风险。
有何风险？
该选股逻辑仍然忽略了股票的基本面指标，可能存在公司质量等基本面的风险。同时，只以竞价时的大单和特大单为参考，未能直接衡量市场整体交易情况，风险控制仍需要技术经验和监控。
如何优化？
可以加入基本面分析指标，如市盈率、财务指标等，筛选更为优质的股票。同时可以探索更多量化技术指标的使用，如超买超卖指标、波动率指标等。考虑更长时间区间内的交易数据进行筛选，以降低短期波动的影响。
最终的选股逻辑
选择换手率在3%-12%之间、今日上涨幅度大于1%的主板股票，并且在竞价时出现涨跌幅买入大单和特大单共计买入量大于0.7千万的股票。
同花顺指标公式代码参考
C1: (MARKET == 'SH' OR MARKET == 'SZ'); // A股市场
C2: VOLUME > 0 AND TURNOVER >= 3 AND TURNOVER <= 12; // 满足换手率条件
C3: (REF(CLOSE, 1) - CLOSE) / REF(CLOSE, 1) < 0.01; // 今日上涨幅度大于1%
C4: EXCHANGE_TYPE == 1 AND (BUY_VOL_LARGE + BUY_VOL_SUPER_LARGE) / 10000000 >= 0.7; // 竞价时出现大单和特大单
SELECTED: C1 AND C2 AND C3 AND C4;
// 显示选中股票的名称和代码
LIST_NAMECODE;
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、换手率、涨跌幅、大单等数据
return: 选出的股票代码列表
"""
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_date', ascending=True)
if ('SH' in code) and ('ST' not in code) and \
(df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and (df['pct_chg'].iloc[-1] > 1) and \
((df['buy_vol_large'].iloc[-1] + df['buy_vol_super_large'].iloc[-1]) / 10000000 >= 0.7):
selected_stocks.append(code)
return selected_stocks
其中 data 数据需包含的列为：ts_code（股票代码）、trade_date（交易日期）、turnover_rate（换手率）、pct_chg（涨跌幅）、close（当日收盘价）、buy_vol_large（竞价出现买入大单量）、buy_vol_super_large（竞价出现买入特大单量）等选股指标数据。
## 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。
