问财量化选股策略逻辑
选股逻辑为：在换手率3%到12%范围内，选择连续七天下跌并出现酷特智能早晨之星信号的股票。
选股逻辑分析
该选股逻辑侧重于挖掘市场情绪比较低迷但存在反弹信号的股票，通过连续七天下跌、酷特智能早晨之星等技术指标来筛选标的。同时，选股条件相对简单，易于理解和执行。
有何风险？
该选股逻辑过于侧重于短期走势，可能会忽略标的的长期价值，同时酷特智能早晨之星等指标的信号可能会存在误判。此外，单用这一指标不足以全面评价标的股票的价值，需结合其他指标进行综合判断。
如何优化？
可加入其他技术指标如MACD、RSI等来加强选股的横向和纵向比较，更全面地评价标的股票。同时，可以考虑动态调整选股条件，结合历史数据和日常市场变化来筛选符合条件的标的。
最终的选股逻辑
综合以上分析和风险提示，可以修正选股条件为在换手率3%到12%范围内，选择连续七天下跌并出现酷特智能早晨之星信号，同时满足市值大于100亿、净资产收益率同比增长率大于10%和净利润同比增长率大于10%。这样可既尽量挖掘市场低迷但存在反弹潜力的标的，又能保持标的的基本面优良。
同花顺指标公式代码参考
以下是通达信选股公式：
选股公式：
选股条件：TURNOVERRATE > 3 AND TURNOVERRATE < 12 AND COUNT(TRAVEL(CLOSE,1) < 0, 7) = 7 AND MORNINGSTAR_KT(CLOSE, OPEN) AND CAP >= 100000 AND ROEYOY1 > 10 AND NETPROFITYOY1 > 10
注：MORNINGSTAR_KT为酷特智能早晨之星信号指标，CAP为总股本，ROEYOY1为近一年净资产收益率同比增长率，NETPROFITYOY1为近一年净利润增长率。旨在选择市值较大、成长性较好、历史业绩稳定的股票，并加入其他技术指标来进一步筛选。
python代码参考
import pandas as pd
def select_stock(data: pd.DataFrame) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
if (df['turnoverratio'].iloc[-1] > 3 and df['turnoverratio'].iloc[-1] < 12 and \
df['close'].rolling(window=7).apply(lambda x: (x[:-1] > x[-1]).all()).iloc[-1] and \
talib.CDLMORNINGSTAR(df['open'].values, df['high'].values, df['low'].values, df['close'].values) == 100 and \
df['total_mv'].iloc[-1] >= 1e10 and df['roe_yoy'].iloc[-1] > 0.1 and df['net_profit_yoy'].iloc[-1] > 0.1):
selected_stocks.append(code)
return selected_stocks
其中，talib.CDLMORNINGSTAR为酷特智能早晨之星信号指标，可以根据具体需求进行指标的修改。需要注意数据源指标名称的相应修改。最终的选股策略可以根据实际情况和市场变化进行微调和调整。
## 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。
