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、竞价主力净买大于0的条件下，选择股票进行选股。
选股逻辑分析
该选股策略主要考虑了股票的交易活跃度、短期趋势和主力资金流入情况等多方面因素，综合考虑了多重因素，能够为投资者提供更全面的选股参考。
有何风险？
该选股逻辑虽然综合考虑了多重因素，但仍然存在对市场情况、公司基本面和政策因素等关键信息考虑不足的风险。
如何优化？
可以结合其他指标、加入定量分析和基本面研究等方法，制定更加科学的选股策略，进一步提高选股精确度。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35、竞价主力净买大于0等条件的基础上，结合量价、基本面等多方面因素，建立更加完善、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 (REF(MA(CLOSE,10), 1) < MA(CLOSE,10)) AND (C - YS1) / YS1 > 0 AND (B1_V - S1_V) / 10000 > 0 AND TURNOVER > 0.03 AND TURNOVER < 0.12)
其中HS300 MAIN表示选择主板股票，REF(MA(CLOSE,10), 1) < MA(CLOSE,10)表示10日均线向上，C表示当天收盘价，YS1表示昨日最低价，B1_V表示竞买量，S1_V表示竞卖量，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')
ticker_info = pro.fut_holding(ts_code=ts_code, start_date='20211022', end_date='20211022', trade_type='1')
if len(daily_info) >= 31 and len(ticker_info) == 1 and ticker_info.iloc[0]['b1_v'] > ticker_info.iloc[0]['s1_v']:
ma_10 = daily_info['close'][-10:].mean()
if daily_info.iloc[-1]['close'] > ma_10 and daily_info.iloc[-1]['pct_chg'] > 0 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')
ma_10 = daily_data['close'][-10:].mean()
ticker_info = pro.fut_holding(ts_code=stock_code, start_date='20211022', end_date='20211022', trade_type='1')
result.append([stock_code, daily_data.iloc[-1]['market_cap'], (daily_data.iloc[-1]['close'] / ma_10) - 1, daily_data.iloc[-1]['pct_chg'], (ticker_info.iloc[0]['b1_v'] - ticker_info.iloc[0]['s1_v']) / 10000])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate', 'today_increase', 'buy_ticker'])
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。
