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，选出昨日开盘前9:15挂单匹配价为跌停的股票进行选股。
选股逻辑分析
该选股策略通过匹配昨日开盘前9:15的挂单匹配价，筛选出跌停的股票进行选股。在此基础上，加入换手率3%-12%和10日涨幅大于0小于35的条件，旨为较为稳健的选取符合条件的股票。
有何风险？
该选股策略可能会忽略一些重要的基本面、技术面等因素，只关注当前市场情况，从而导致选出的股票并不符合长期投资的要求。同时，开盘前的挂单匹配价也可能存在一定的不确定性和不稳定性。
如何优化？
可以结合其他选股策略，如基本面分析、技术面分析、量价分析等方法，综合考虑多方面因素，以提高选股精度。同时，也可以考虑引入更为稳健可靠的指标进行选股。
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，选取昨日开盘前9:15挂单匹配价为跌停的股票进行选股。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
该选股策略并没有用到技术指标，因此无需提供。
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')
# 匹配昨日开盘前9:15的挂单匹配价为跌停的股票
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
daily_info = pro.daily(ts_code=ts_code, start_date='20211021', end_date='20211021')
pre_daily_info = pro.daily(ts_code=ts_code, start_date='20211020', end_date='20211020')
if len(daily_info) > 250 and 0 < daily_info.iloc[-1]['pct_chg'] < 0.035 and 0.03 < daily_info['turnover_rate'].iloc[-1] < 0.12 and pre_daily_info.iloc[-1]['pre_close'] * 0.9 == daily_info.iloc[0]['open']:
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='20211021', end_date='20211021')
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。
