问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%之间、今日上涨幅度大于1%（比较同板块的股票涨幅）且涨跌幅与超大单净量的乘积大于0的股票。
选股逻辑分析
该选股逻辑在对股票价格和资金流量进行综合考虑的基础上，选出了具有良好股价表现和资金支持的个股。
有何风险？
该选股逻辑只考虑了短期的股价表现和资金流量状况，存在忽略中长期经营状况的风险，同时，个股涨跌幅和超大单净量的乘积作为一项较为简单的指标，可能存在对股票真实价值的忽略或歪曲。
如何优化？
可以考虑将财务数据和公司行业情况结合，选择同一行业内盈利增长稳定、市盈率合理且股价表现优异且资金流量充分的公司，以获得更具有投资潜力的股票。
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%（比较同板块的股票涨幅）且涨跌幅与超大单净量的乘积大于0的股票。
同花顺指标公式代码参考
SET_GROUP(1);
/* 换手率 3%-12% */
HSL>=3 AND HSL<=12;
/* 今日涨幅 > 1% */
XTBG=FETCH(CLOSE,TODAY,1)/FETCH(CLOSE,TODAY-1,1)-1;
XTBG>1% AND XTBG<100;
/* 涨跌幅与超大单净量的乘积 > 0 */
ZDF=FETCH(CLOSE,TODAY-1,1)/FETCH(CLOSE,TODAY-2,1)-1;
CDLX = IFF(ZDF>0,IF(BL1>0,1,-1),0);
CDLX*CDJL>=0;
python代码参考
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 #####
rs = bs.query_all_stock(day=datetime.now().strftime("%Y-%m-%d"))
stock_list = []
for code in rs.get_row_data():
if not code.startswith('sh.') and not code.startswith('sz.'):
continue
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
if code.startswith('sh.110') or code.startswith('sz.110'):
continue
k_data = bs.query_history_k_data_plus(
code, "date,open,high,low,close,volume",
start_date=(datetime.now()-timedelta(days=3)).strftime("%Y-%m-%d"),
end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point1 = k_data.data[0][5]>=3 and k_data.data[0][5]<=12
index_rs = bs.query_history_k_data_plus('sh.000001', 'close', start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency='d')
if index_rs.error_code == '0' and len(index_rs.data)>0:
index_close = float(index_rs.data[0][0])
else:
continue
k_data_compare = bs.query_history_k_data_plus(code, "date,close", start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data_compare.error_code == '0' and len(k_data_compare.data)>0:
check_point2 = k_data_compare.data[0][1]/index_close-1 > 0.01
else:
continue
k_data_yesterday = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume", start_date=(datetime.now()-timedelta(days=2)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=2)).strftime("%Y-%m-%d"), frequency="d")
if k_data_yesterday.error_code == '0' and len(k_data_yesterday.data)>0:
ZDF = k_data_yesterday.data[0][4]/k_data_yesterday.data[0][1]-1
CDJL = float(k_data_yesterday.data[0][5])/float(k_data_yesterday.data[0][4])*100
check_point3 = ZDF*CDJL>0
else:
continue
if check_point1 and check_point2 and check_point3:
data_list = []
data_list.append(code)
stock_list.append(data_list)
else:
continue
df = pd.DataFrame(stock_list, columns=['code'])
df_length = len(df)
if df_length > 0:
print(df)
##### 登出系统 #####
bs.logout()
## 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。
