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，当日涨跌幅乘以超大单净量大于0，且三个技术指标（如MACD、KDJ、RSI等）同时出现金叉的股票。
选股逻辑分析
该选股逻辑同样从技术面着手，选择换手率处于适当区间且有一定市场活跃度的股票，通过涨跌幅和超大单净量的比较，筛选出具备一定市场能量的股票。加入技术指标这一条件的设置，进一步筛选出具备一定上涨趋势并有短期技术趋势变化的股票。
有何风险？
该选股逻辑同样未考虑基本面因素，仍然存在基本面不佳的股票被选中的风险。同时，技术指标的变化并非总能与股票实际涨跌相一致，容易在一定程度上误判趋势变化。此外，不同技术指标的金叉时间、频率等差异，可能会导致选股结果受技术指标选择的影响。
如何优化？
可以选择在技术指标选择上更加科学合理，适当权衡不同技术指标的选择权重，避免技术指标的选择对选股结果产生过多的影响。同时可以加入一些基本面因素的筛选，来进一步约束选出的股票。
最终的选股逻辑
选择换手率在3%到12%之间，当日涨跌幅乘以超大单净量大于0，并且技术指标（如MACD、KDJ、RSI等）同时出现金叉的股票。
同花顺指标公式代码参考
由于不同技术指标的金叉定义可能略有差异，无法给出具体的公式代码参考。
python代码参考
在该选股逻辑中，技术指标的选择与金叉判断依据可根据具体情况进行修改。以下仅提供一个样例代码，以MA5、MA10、MA20的金叉为例：
import numpy as np
import pandas as pd
from typing import List
def ma_cross(data: pd.DataFrame) -> pd.DataFrame:
"""
data: 股票历史行情数据，需包含价格等指标数据
return: 加入MA5、MA10、MA20三个指标后的数据
"""
data['ma5'] = data['close'].rolling(window=5).mean()
data['ma10'] = data['close'].rolling(window=10).mean()
data['ma20'] = data['close'].rolling(window=20).mean()
return data
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、涨跌幅、超大单净量、以及MA5、MA10、MA20等指标数据
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_time', ascending=True)
if (df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and \
(df['pct_chg'].iloc[-1] * (df['net_amount'].iloc[-1] / 10000 / df['volume'].iloc[-1]) > 0) and \
(df['ma5'].iloc[-1] > df['ma10'].iloc[-1]) and (df['ma10'].iloc[-1] > df['ma20'].iloc[-1]) and \
(code.startswith('0')):
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_time（交易时间）、pct_chg（涨跌幅）、net_amount（超大单净量）、volume（成交量）、turnover_rate（换手率）、close（当日收盘价）以及MA5、MA10、MA20等指标数据。
## 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。
