问财量化选股策略逻辑
选股逻辑为：在换手率为3%-12%、10日涨幅大于0小于35、连续七个交易日收盘价均下跌的情况下，选择股票进行选股。
选股逻辑分析
该选股逻辑在满足交易活跃度和涨跌幅条件基础上，选用连续七个交易日收盘价均下跌这一选股指标，可以发现一些近期走势下跌的股票，挖掘出投资机会。
有何风险？
此选股逻辑同样忽略了公司基本面和行业情况，过于依赖技术面的统计，容易被一些不明因素扰动，如遇资金的短期操作等。同时连续七日下跌其实是短期回调行为，并不代表股票的趋势，没有很好地体现股票本身的表现和价值，具有一定局限性。
如何优化？
可以考虑加入更多股票基本面指标和行业分析等因素，更全面准确地评估股票价值。同时，在选股时可以分析一定历史数据，关注其相对低位、基本面和股东持股等因素，更好地判断股票的表现和价值。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35、连续多天（可调整）收盘价均下跌、财务稳健、行业景气度高等条件下，优先选取股东持股比例大、市盈率低、PEG低、ROE高的股票进行筛选，并实时关注市场动向及公司业绩变化情况，及时调整选股策略以降低风险。
同花顺指标公式代码参考
使用通达信实现该选股策略的条件如下：(HS300 MAIN AND TURNOVER>0.03 AND TURNOVER<0.12 AND SEVEN-FALL)
其中HS300 MAIN表示选择主板股票，TURNOVER表示换手率，SEVEN-FALL表示连续七个交易日收盘价均下跌。
Python代码参考
import pandas as pd
import tushare as ts
# 获取符合条件的股票列表
def get_good_stocks(pro):
good_list = []
# 调用Tushare接口获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L')
# 匹配符合条件的股票
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
daily_info = pro.daily(ts_code=ts_code, start_date='20210901', end_date='20211022')
if len(daily_info) >= 10:
if daily_info['pct_chg'].iloc[-7:].mean() < 0:
good_list.append(ts_code)
return good_list
# 获取所有符合条件的股票
token = "your token"
pro = ts.pro_api(token)
good_stocks = get_good_stocks(pro)
# 计算符合条件的股票的市值和涨幅
result = []
for stock_code in good_stocks:
daily_data = pro.daily(ts_code=stock_code, start_date='20211022', end_date='20211022')
result.append([stock_code, daily_data.iloc[-1]['market_cap'], (daily_data.iloc[-1]['close'] / daily_data.iloc[0]['close']) - 1, daily_data.iloc[-1]['pct_chg']])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate', 'today_increase'])
df = df.sort_values(by='increase_rate', ascending=False)
print(df.head(10))
## 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。
