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、昨日成交额大于6千万的基础上选股。（在10点之前选股票。）
选股逻辑分析
该选股策略在选股的基础上加入了昨日成交额的限制，既考虑了基本面的因素，也考虑了技术面的因素。选股逻辑比较清晰，同时三个条件的相互配合也体现了多方面的考虑。
有何风险？
与上一个选股逻辑相同，选股在10点之前完成，可能会受到盘前消息和大盘波动的影响，这会对选股策略的准确性产生一定的影响。同时，统计显示，昨日成交额大的股票并不一定涨得快，因此该选股策略存在一定的局限性。
如何优化？
可以考虑添加其他技术指标，比如平均成交量、相对强弱指标、MACD指标等等，并通过机器学习模型选取最具优势的指标。同时，可以结合基本面指标，比如资产负债表、利润表及现金流量表指标，从基本面上补充选股策略。调整选股时间为盘中，利用实时行情，提高选股的精度。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35、昨日成交额大于6千万的基础上选股。为提高选股准确性，可以增加其他技术指标、并结合基本面指标，调整选股时间，利用实时行情。
同花顺指标公式代码参考
该选股策略可能用到的指标包括：即时行情、涨跌幅、成交额、换手率等等，请根据具体需求自行查询同花顺指标公式，并进行修改与适配。
Python代码参考
import tushare as ts
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='', list_status='L')['ts_code']
for ts_code in stock_list:
if ts_code.startswith('300'): # 筛选创业板股票
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
# 筛选出涨幅大于0小于35、换手率在3%至12%之间、昨日成交额大于6千万的股票
daily_data = pro.daily(ts_code=ts_code, start_date='20211020', end_date='20211020')
prev_data = pro.daily(ts_code=ts_code, start_date='20211019', end_date='20211019')
if daily_data.empty or prev_data.empty:
continue
elif daily_data.iloc[0]['pct_chg'] not in range(0, 35):
continue
elif daily_data.iloc[0]['turnover_rate'] < 0.03 or daily_data.iloc[0]['turnover_rate'] > 0.12:
continue
elif prev_data.iloc[0]['amount'] < 60000000:
continue
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。
