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%之间、上市年份为2021年、三个技术指标同时金叉的股票。
选股逻辑分析
该选股策略注重选择换手率、上市年份、技术面因素，并结合技术分析中的金叉信号，选择具有一定潜力的股票。
有何风险？
该选股策略可能存在以下风险：1、过度依赖股价技术指标，存在市场风格轮动等风险；2、忽略了股票之间的相对强弱，如是否处于板块的龙头地位；3、忽略了股票的基本面因素，如公司的经营状况、财务指标等因素。
如何优化？
可以将选股逻辑完善，增加一些相对强弱指标（如行业与板块排名等指标），综合考虑股票的价值和趋势状况，避免选股被片面决策所影响。
最终的选股逻辑
选择换手率在3%-12%之间、上市年份为2021年、同时满足三个技术指标金叉的股票。
同花顺指标公式代码参考
通达信指标公式：
ZT:(REF(MA(CLOSE,5),1)<REF(MA(CLOSE,10),1)) AND (REF(MA(CLOSE,5),1)<REF(MA(CLOSE,20),1)) AND (MA(CLOSE,5)>MA(CLOSE,10)) AND (MA(CLOSE,5)>MA(CLOSE,20)) AND (MA(CLOSE,10)>MA(CLOSE,20)) AND (TURN / CAPITAL_TODAY) >= 0.03 AND (TURN / CAPITAL_TODAY) <= 0.12;
SINCE(1);
SORT_LIST:SINCE(1) = 100 AND ZT;
SELECTED:=SORT_LIST;
python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
api = TdxHq_API()
ip = select_best_ip('tdx')
def get_stock_list(api):
dataList = []
for market in [0,1]:
stock_list = api.get_security_list(market, 0)
results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year, stock['volunit'] * 100) for stock in stock_list if stock['code'][0] in ['0', '3', '6']]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code','ipo_year','vol'])
stock_list = get_stock_list(api)
# 逐个股票地进行选股策略
condition_list = []
for i in range(len(stock_list)):
stock_code = stock_list.loc[i,'stock_code']
try:
if stock_list.loc[i,'ipo_year'] == 2021:
# 获取K线数据
price_data = api.get_k_data(stock_code, 'D', (dt.date.today() - dt.timedelta(days=260)).strftime('%Y-%m-%d'), dt.date.today().strftime('%Y-%m-%d'))
if price_data.empty:
continue
# 判断是否满足技术指标金叉信号
if price_data.iloc[-1].ma5 > price_data.iloc[-1].ma10 and price_data.iloc[-2].ma5 < price_data.iloc[-2].ma10 and price_data.iloc[-1].ma5 > price_data.iloc[-1].ma20 and price_data.iloc[-2].ma5 < price_data.iloc[-2].ma20 and price_data.iloc[-1].ma10 > price_data.iloc[-1].ma20 and price_data.iloc[-2].ma10 < price_data.iloc[-2].ma20:
# 取实际换手率
turnover = price_data.iloc[-1].vol / stock_list.loc[i,'volunit']
# 选取符合条件的股票
if (stock_list.loc[i,'vol'] / price_data.iloc[-1].capital >= 0.03) and (stock_list.loc[i,'vol'] / price_data.iloc[-1].capital <= 0.12):
condition_list.append(stock_code)
except:
pass
result = pd.DataFrame({'stock_code':condition_list})
result = pd.merge(result, stock_list, on=['stock_code'])
# 输出结果
print('下列股票符合选股策略：')
print(result)
## 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。
