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、竞价涨幅大于-2小于5的条件下，选择股票进行选股。
选股逻辑分析
该选股逻辑在交易活跃度和涨跌幅条件基础上，考虑了竞价涨幅，避免了因高点进场而造成的回撤。同时，该选股逻辑较为简单易懂，也比较容易筛选出符合条件的标的。
有何风险？
相较于综合多维度因素进行选股，仅使用换手率、涨跌幅和竞价涨幅条件可能无法完全反映出股票的真实情况，存在选错股票的风险。
如何优化？
可以综合多维度因素进行选股，包括公司基本面和行业市场情况等，建立起更加完善的投资策略，扩充选股因素，从全面的视角更加准确地筛选出优质标的。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35、竞价涨幅大于-2小于5的条件下，筛选出符合条件的标的，并在综合公司基本面和行业市场情况等多维度因素，建立投资策略进行进一步筛选，选择更加准确和优秀的标的。
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 TURNOVER > 0.03 AND TURNOVER < 0.12 AND BIDUPRANGE > -2 AND BIDUPRANGE < 5)
其中HS300 MAIN表示选择主板股票，TURNOVER表示换手率，BIDUPRANGE表示竞价涨幅。
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='20210901', end_date='20211022')
if len(daily_info) >= 10:
if daily_info['pct_chg'].iloc[-1] > 0 and 0 < daily_info['pct_chg'].iloc[-10:].mean() < 35:
bidup_range = daily_info['open'].iloc[-1] / daily_info['pre_close'].iloc[-1] - 1
if -2 < bidup_range < 5:
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。
