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、换手率大于2%且小于9%的情况下选出符合条件的股票。
选股逻辑分析
选股逻辑将换手率限制在一定范围内，同时考虑了股票的涨幅情况，从而选择了相对稳定的股票。但是，单一指标难以全面反映股票的整体情况，需要结合其他指标进行综合判断。
有何风险？
由于市场行情波动较大，可能导致选中的股票涨幅不如预期，或者市场环境改变导致该策略不再适用，从而导致选股的风险增加。
如何优化？
可以通过加入其他指标（如市盈率、市净率、市值等）进行综合筛选和排序，或者采用机器学习和深度学习等方法进行模型预测和优化，提高选股质量和稳定性。
最终的选股逻辑
选出满足换手率为3%-12%、10日涨幅大于0小于35、换手率大于2%且小于9%的股票。
同花顺指标公式代码参考
- 大单净量排名: RANK(VAR2,100)/COUNT(VAR2,100)
- 大单净量值: VOLPF()
Python代码参考
import tushare as ts
# 获取符合条件的股票
def get_good_stocks():
good_list = []
# 获取正常股票
ts.set_token('your token')
pro = ts.pro_api()
stock_list = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,industry,mkt_cap_ard,list_date')['ts_code']
for ts_code in stock_list:
if ts_code.startswith('300') or ts_code.startswith('688'): # 筛选创业板和科创板股票
continue
elif pro.daily(ts_code=ts_code, start_date='20211015', end_date='20211020').empty: # 筛选数据存在日期
continue
elif pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0: # 筛选非ST股票
continue
elif (time.time() - time.mktime(time.strptime(str(pro.stock_basic(ts_code=ts_code, fields='list_date').iloc[0]['list_date']), "%Y%m%d"))) / (365*24*60*60) < 1: # 筛选上市时间大于一年的股票
continue
elif pro.stock_basic(ts_code=ts_code, fields='mkt_cap_ard').iloc[0]['mkt_cap_ard'] < 2e8:
continue
# 筛选符合条件的股票
daily_data = pro.daily(ts_code=ts_code, start_date='20211020', end_date='20211030')
if daily_data.empty:
continue
if len(daily_data) < 6: # 缺口留存的判断
continue
elif daily_data.iloc[-3]['open'] > daily_data.iloc[-4]['high']: # 中间实体短小的判断
continue
elif daily_data.iloc[-3]['low'] >= daily_data.iloc[-4]['low'] or daily_data.iloc[-3]['low'] >= daily_data.iloc[-2]['low']: # 长下影线的判断
continue
elif daily_data.iloc[-1]['pct_chg'] not in range(0, 35):
continue
elif daily_data.iloc[-1]['turnover_rate'] < 0.03 or daily_data.iloc[-1]['turnover_rate'] > 0.12:
continue
elif daily_data.iloc[-1]['turnover_rate'] <= 0.02 or daily_data.iloc[-1]['turnover_rate'] >= 0.09:
continue
else:
# 大单净量计算
vol_data = pro.moneyflow(ts_code=ts_code, start_date='20211020', end_date='20211030')
var2 = vol_data['net_mf_vol'].tail(10)
rank = pd.DataFrame(RANK(var2.tolist(),100)/COUNT(var2.tolist(),100), columns=['rank'])
volpf = VOLPF()
rank_volpf = pd.concat([rank, volpf], axis=1)
rank_volpf.sort_values(['rank'], ascending=False, inplace=True)
if ts_code in rank_volpf.head(int(len(rank_volpf)*0.1))['ts_code'].tolist():
good_list.append(ts_code)
return good_list
good_stocks = get_good_stocks()
print(good_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。
