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、收盘价大于昨日最低价的条件下，选择股票进行选股。
选股逻辑分析
该选股逻辑主要考虑了股票的交易活跃度和短期趋势，同时也考虑了较近的价格变化情况，能够对短期投资者的股票选择提供参考。
有何风险？
该选股逻辑相对单一，只考虑了价格等方面的指标，比较依赖短期趋势，具有一定的不稳定性。同时，仅考虑昨日最低价可能无法充分考虑其他时间段的价格波动，有漏筛的风险。
如何优化？
可以结合其他因素，如量价、基本面等，构建综合的选股模型。同时，也可以适当调整选股条件，如增加时间跨度等，增加选股可靠性。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35、收盘价大于昨日最低价等条件的基础上，结合量价、基本面等多方面因素，建立更加完整、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：(HS300 MAIN AND (C - YS1) / YS1 > 0 AND TURNOVER > 0.03 AND TURNOVER < 0.12)
其中HS300 MAIN表示选择主板股票，C表示当天收盘价，YS1表示昨日最低价，TURNOVER表示换手率。
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) >= 2:
if daily_info['close'].iloc[-1] > daily_info['low'].iloc[-2] and 0 < daily_info['pct_chg'].iloc[-10:].mean() < 35 and 0.03 < daily_info['turnover_rate'].iloc[-1] < 0.12:
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。
