问财量化选股策略逻辑
选股逻辑为：选取换手率在3%-12%、DEA指标上涨、昨日9:15匹配价跌停的A股股票。
选股逻辑分析
本选股策略综合考虑了市场广度、趋势信号和短期的价格波动等因素，通过匹配价跌停可以选出具备短期反弹可能的股票。
有何风险？
本策略可能在价格止跌反弹过程中错过股票的回升机会，而只看到价格的异常波动。
如何优化？
可以结合其他技术指标，如KDJ、RSI等，以及基本面分析来进一步筛选股票，提高筛选的准确性。同时，在使用该策略前需要仔细研究相关法规规定，避免选出不合规的股票。
最终的选股逻辑
选择换手率在3%-12%范围内、DEA指标上涨、昨日9:15匹配价跌停的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);
昨日9:15匹配价跌停：C<REF(TRADES,1)*0.9；
选股：SELECT(CODE, 换手率 AND DEA指标上涨 AND 昨日9:15匹配价跌停, ALL);
python代码参考
def select_stocks(df):
df = df[['code', 'turnover']]
df = df[(df['turnover']>=3) & (df['turnover']<=12)]
df = ths.dea(df, 9, 12, 26)
df = df[(df['dea'].diff()>0)]
df['last_price'] = ths.quote(df['code'], 'last')
df['match_price'] = ths.quote(df['code'], 'match')
df['yesterday_match_price'] = df.groupby('code')['match_price'].shift(1)
df = df[(df['last_price']<df['yesterday_match_price']*0.9)]
return pd.DataFrame({'code': df['code']})
## 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。
