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、外盘/内盘大于1.3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，加入了外盘/内盘的比值作为筛选条件，可以更好地检验市场流动性和买卖关系，进一步挑选出投资机会更大的股票。
有何风险？
此选股逻辑仍未考虑公司的基本面和行业情况，仅仅从技术面比较局限，选出的股票仅是在特定时间、特定环境下的表现，且外盘/内盘比值可能受到个别资金操作和其他市场因素的影响，不能完全反映股票的实际估值。
如何优化？
选股需要综合考虑公司的基本面、行业前景等因素，可以通过工具箱中的主成分分析等多因素分析，打造更准确完备的选股模型；在比较外盘/内盘比值时，充分了解市场背景和行情，减小市场波动对比值造成的干扰。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35、外盘/内盘比值大于某个阈值的情况下，优先选取财务健康、业绩稳定和行业优势等基本面指标优秀的股票进行筛选，并应加强市场情报监控、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 INCREASE>0 AND INCREASE<0.35 AND OUTVOL/INAVOL>1.3)
其中HS300 MAIN表示选择主板股票，TURNOVER表示换手率，INCREASE表示10日涨幅，OUTVOL表示外盘成交量，INAVOL表示内盘成交量，阈值为选股逻辑中的参数。
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 daily_info.shape[0] >= 10:
if daily_info.iloc[-1]['vol'] > daily_info.iloc[-1]['vol'] / daily_info.iloc[-1][
'vol'] > 1.3:
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。
