问财量化选股策略逻辑
该选股策略选股逻辑为：选择换手率在3%-12%的股票中，上市年份为2021年，买入时间点为9点25分，涨幅小于6%的股票。
选股逻辑分析
该选股策略在换手率、上市年份、买入时间点和涨幅等方面进行筛选，主要是为了加强交易时机的判断，尽量避免高位买入和大幅亏损。但该筛选条件仍然只选取了单一特征，可能会忽略其他重要的风险因素和收益机会。
有何风险？
该选股策略存在以下风险：1、可能忽略其他基本面因素和技术面指标；2、存在选股时间的限制，可能影响交易判断和效果；3、选股结果可能被市场情况影响。
如何优化？
除了筛选条件之外，可以加入其他基本面指标和技术面指标，比如市盈率、市净率、资产负债率、MACD、KDJ等，并继续优化买入时间和涨幅的条件，以全面提高选股策略的实际效果和收益稳定性。
最终的选股逻辑
选择换手率在3%-12%的股票中，上市年份为2021年，并且买入时间点为9点25分，涨幅小于6%的股票。
同花顺指标公式代码参考
CXBZ=='' AND DATE>=20210101 AND (TURN>3 AND TURN<12) AND FTIME=='09:25:00' AND (HIGH/LOW-1) < 0.06
Python代码参考
import pandas as pd
import datetime
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
#初始化TdxHq_API()并获取最优IP
api = TdxHq_API()
ip = select_best_ip('tdx')
def get_stock_list(api):
#遍历股票市场获取所有股票
dataList = []
for market in [0, 1]:
stock_list = api.get_security_list(market, 0)
results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year, stock['ipo_year'], stock['ipo_price'],
stock['ipo_amount'], stock['ltgb'], stock['zy'], stock['zql'], stock['cxbz']) for stock in stock_list if
stock['code'][0] in ['0', '3'] and stock['market'] == 0 and stock['ltgb'] >= 5000000 and stock['ipo_year'] == 2021]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code', 'ipo_date', 'ipo_year', 'ipo_price', 'ipo_amount', 'ltgb', 'zy', 'zql', 'cxbz'])
def get_matched_stocks(api, stock_list, buy_time, max_increase):
#筛选出符合条件的股票
condition1 = (stock_list['ltgb'] >= 200000000)
condition2 = (stock_list['zql'] >= 3) & (stock_list['zql'] <= 12)
condition3 = (0.02 < stock_list['zql']) & (stock_list['zql'] < 0.12)
matched_stocks = []
for code in stock_list[condition1 & condition2 & condition3]['stock_code'].tolist():
data = api.get_security_bars(9, 0, code, 0, 100)
if len(data) >= 5:
current_time = datetime.datetime.strptime(data['datetime'][-1], '%Y-%m-%d %H:%M:%S').time()
current_price = data['close'][-1]
max_price = max(data['high'][:-1])
min_price = min(data['low'][:-1])
max_time = datetime.datetime.strptime(data[data['high'].idxmax()]['datetime'], '%Y-%m-%d %H:%M:%S').time()
increase = max_price / min_price - 1
if current_time == buy_time and max_increase >= 0 and increase <= max_increase:
matched_stocks.append(code)
return matched_stocks
#获取股票列表
stock_list = get_stock_list(api)
#筛选符合条件的股票
matched_stocks = get_matched_stocks(api, stock_list, datetime.time(9, 25), 0.06)
#输出结果
print('下列股票符合选股策略：')
print(matched_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。
