问财量化选股策略逻辑
选股逻辑为： 在换手率3%-12%、10日涨幅大于0小于35且处于主升起动阶段的条件下，选股。
选股逻辑分析
该选股策略主要考虑到股票的市场活跃度、趋势性和主升起动形态，筛选出处于主升起动阶段的股票，以期实现高投资回报和市场风险控制的平衡。同时，处于主升起动的股票往往具有较好的技术面和基本面。
有何风险？
该选股策略的风险在于，主升起动形态容易受到市场走势和宏观经济等因素的影响，存在较大的不确定性。同时，主升起动形态也容易被错误判断，导致选股的误差。
如何优化？
可以考虑引入其他技术指标和基本面因素，如MACD、PE等，以增加选股指标的准确性和全面性。同时，加强对于选股策略中所使用指标的分析和理解，并采用机器学习等方法对选股模型进行训练和优化。此外，建立更为科学的股票评价模型也是优化该选股策略的一种方式。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35且处于主升起动阶段的条件下进行选股。加强对技术指标、基本面因素和主升起动形态的深入分析，增加其他指标和因素进一步提升选股准确性和全面性。在风险管控上，加强市场风险控制，定期优化股票池。
同花顺指标公式代码参考
选股公式：
(TURNOVER>0.03 AND TURNOVER<0.12 AND INCREASE>0 AND INCREASE<0.35 AND 主升起动)
其中INCREASE表示10日涨幅，TURNOVER表示换手率，主升起动表示处于主升起动阶段。
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')
# 匹配满足条件的股票
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 ts_code[:2] != '60' and daily_info[daily_info['pct_chg'] == 10].shape[0] == 0:
turnover_ratio = daily_info[daily_info['turnover_rate'] > 0]['turnover_rate'].mean()
increase_rate = (daily_info.iloc[-1]['close'] / daily_info.iloc[0]['close']) - 1
# 获取MACD和PE
macd_data = pro.index_daily(ts_code='399300.SZ', start_date='20210901', end_date='20211022')
macd = macd_data.iloc[-1]['close'] - macd_data.iloc[-6]['close']
pe_data = pro.daily_basic(ts_code=ts_code, trade_date='20211022', fields='pe')
pe = pe_data.iloc[0]['pe']
if turnover_ratio >= 0.03 and turnover_ratio <= 0.12 and increase_rate >= 0 and increase_rate <= 0.35 and macd > 0 and pe <= 50:
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']])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate'])
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。
