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，昨日非涨停板的股票。
选股逻辑分析
该选股策略注重交易量的选择，同时也对股票上市年限进行了限制，且要求昨日非涨停板，可以在保证股票基本面的情况下，从技术面找到较好的买入时机，是一种综合考虑基本面和技术面的选股策略。
有何风险？
该选股策略存在以下风险：1、忽略了股票的价值水平和成长性；2、只依赖历史数据进行筛选，不能应对市场变化；3、标志位设定得过于死板，可能错过一些实质符合条件且有投资价值的股票。
如何优化？
可以结合股票所处行业、市场热度等因素，综合考虑，提高选股准确度和实用性。可以进一步优化标志位设定，减少认为过于严格的要求，同时，加入股票资产规模、经营情况等因素，以提高选股准确度。
最终的选股逻辑
选择换手率在3%-12%之间，上市年份为2021年，昨日非涨停板的股票。
同花顺指标公式代码参考
由于选股逻辑中没有需要计算的指标，因此无需提供同花顺指标公式。
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['ipo_price'], stock['ipo_amount']) for stock in stock_list if stock['code'][0] in ['0', '3', '6']]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code','ipo_year','ipo_price','ipo_amount'])
def get_quotation(api, code):
quote = api.get_security_quotes([(1, code)])
return quote[0]['last_close'], quote[0]['updown']
stock_list = get_stock_list(api)
# 获取符合条件的股票列表
condition1 = stock_list['ipo_year'] == 2021
condition2 = (stock_list['ipo_price'] >= 1) & (stock_list['ipo_amount'] > 1000000)
# 遍历获取昨日非涨停板股票代码
matched_stocks = set()
for stock_code in stock_list[condition1 & condition2]['stock_code']:
close_price, updown = get_quotation(api, stock_code)
if updown != '停牌' and float(updown[:-1]) < 9.8:
matched_stocks.add(stock_code)
# 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。
