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，涨跌幅乘以超大单净量大于0，近25个交易日有单日涨幅大于等于百分之10为选股范围。
选股逻辑分析
该选股策略相较于前一个策略增加了对近25个交易日有单日涨幅大于等于百分之10的标的的筛选。此条件可以更好的选出近期强势股票。同时，该选股策略中的指标筛选条件相对简单，容易操作。
有何风险？
虽然该选股条件加入了近期强势股票的筛选，但在某些行情下，单日涨幅大于等于百分之10并不能够反映股票真正的强势情况。同时，该选股策略选股条件仍比较简单，对市场风险和行情波动的影响仍然比较敏感。
如何优化？
可以加入更多与基本面和行业相关的指标来筛选潜力股，如市盈率、市净率、PEG等等。同时，可以参考其他技术指标，如RSI、MACD等来综合考虑多方面因素，提高选股的准确率。
最终的选股逻辑
选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0，近25个交易日至少有一天单日涨幅大于等于百分之10为选股范围。
同花顺指标公式代码参考
以下是同花顺指标所需公式：
选股公式：
SELECT
STOCK_SYMBOL as code
FROM
(
SELECT
STOCK_SYMBOL,
(HIGH-LOW)/LOW*100 AS G
FROM
CandlesDay
WHERE
Cdl[strlen(Cdl)-1] = 'L'
AND
Year(DATE) = YEAR(TODAY)
AND
TIME = [TIME-1]
) AS t1
WHERE
EXISTS(
SELECT
null
FROM
CandlesDay
WHERE
code = t1.STOCK_SYMBOL
AND
VOLUME>=100000
AND
TURNOVER_RATIO>=3
AND
TURNOVER_RATIO<=12
AND
(CLOSE-OPEN)*(BIG)/10000>0
AND
(CLOSE-BUY)/10000/CLOSE>0.01
AND
(BUY-VOLUME)/BUY>=0.5
AND
EXISTS (
SELECT
null
FROM
CandlesDay
WHERE
code = t1.STOCK_SYMBOL
AND
pct_chg >= 10
AND
DATEDIFF(trade_time, t1.trade_time) < 25
)
)
AND t1.G>2
ORDER BY G ASC
Python代码参考
以下是Python代码实现该选股策略：
import pandas as pd
from typing import List
from datetime import datetime, timedelta
def select_stock(data: pd.DataFrame, n=10) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_time', ascending=True)
if (df['float_shares'].iloc[-1] / 1000000000 <= 100) and (df['close'].iloc[-1] > 5) and \
(df['volume'].iloc[-1] / df['volume'].iloc[-6:-1].mean() > 3) and \
(df['turnover_rate'].iloc[-1] > 3) and (df['turnover_rate'].iloc[-1] < 12) and \
(df['pct_chg'].iloc[-1] * abs(df['buy_volume'].iloc[-1] - df['sell_volume'].iloc[-1]) / 10000 > 0) and \
((df['close'] - df['open']) * df['buy_volume'].iloc[-1] / 10000 > 0) and \
(df['buy_volume'].iloc[-1] / df['volume'].iloc[-1] > 0.5) and \
((df['close'] - df['buy']) / df['close'] > 0.01) and \
(df['pct_chg'].iloc[-25:].max() >= 10):
s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
selected_stocks.append((code, s_weight))
selected_stocks.sort(key=lambda x: x[1], reverse=True)
selected_stocks = selected_stocks[:n]
return [x[0] for x in selected_stocks]
## 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。
