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的基础上，通过三个技术指标同时金叉的条件选择股票进行选股。
选股逻辑分析
该选股策略通过技术面的指标分析，选取同时出现三个技术指标金叉的股票，以判断股票处于上涨趋势，从而进行选股。
有何风险？
该策略忽略了股票的基本面分析，如企业盈利等因素，过于侧重于技术面，存在一定风险。另外，同时出现三个技术指标金叉在市场中可能较少出现，选出的符合条件的股票数量有可能较少。
如何优化？
可以结合基本面分析、量价分析等方法，综合考虑多方面因素，进一步提高股票选取的精确度。另外，可以考虑选择更为精确的技术指标，或者增加一定的条件组合，筛选出更为合适的股票。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35的基础上，通过技术指标分析，选择同时出现三个技术指标金叉的股票进行选股。在此基础上，可以综合考虑多方面因素，建立更加完善、科学的选股策略。
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：(EMA(CLOSE, 12) > REF(EMA(CLOSE, 12), 1) AND EMA(CLOSE, 26) > REF(EMA(CLOSE, 26), 1) AND DIF > DEA AND REF(DIF, 1) < REF(DEA, 1) AND DIF > 0 AND DEA > 0 AND MACD > 0 AND ++ETF AND MAIN)
其中EMA(CLOSE,12)和EMA(CLOSE,26)分别表示12日和26日的指数平滑移动平均线，DIF = EMA(CLOSE, 12) - EMA(CLOSE, 26)，DEA = EMA(DIF,9)，MACD = (DIF - DEA) * 2。REF表示取前一天的值，++ETF表示选择ETF，MAIN表示选择主板股票。
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='20211022', end_date='20211022')
if len(daily_info) > 250 and daily_info.iloc[-1]['pct_chg'] > 0 and 0.03 < daily_info['turnover_rate'].iloc[-1] < 0.12:
dif = daily_info['close'].ewm(span=12).mean() - daily_info['close'].ewm(span=26).mean()
dea = dif.ewm(span=9).mean()
macd = (dif - dea) * 2
if (dea.iloc[-1] < dif.iloc[-1]) and (dea.iloc[-2] > dif.iloc[-2]) and (macd.iloc[-1] > 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')
ma_10 = daily_data['close'][-10:].mean()
result.append([stock_code, daily_data.iloc[-1]['market_cap'], (daily_data.iloc[-1]['close'] / ma_10) - 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。
