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、今年上市且机构动向大于0的股票。
选股逻辑分析
该选股策略主要关注了股票的活跃度和机构资金的动向。选股的范围设置在于今年上市的股票中，选取的股票需要满足一定的活跃性和流动性，同时选取机构资金的动向作为第二个判断条件，筛选出机构资金关注度高的股票。
有何风险？
该选股策略可能存在以下风险：1、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；2、过度依赖机构资金的动向，不能及时反应股票的变化。
如何优化？
可以将选股逻辑完善，增加一些基本面和技术面的指标（如市盈率、PEG等指标、选股时间段的股票涨幅等指标）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、今年上市且机构动向大于0的股票。
同花顺指标公式代码参考
通达信指标代码：
ZT: (TURN / CAPITAL_TODAY) >= 0.03 AND (TURN / CAPITAL_TODAY) <= 0.12;
SINCE(1);
IN_BAL: B > S;
ZT AND IN_BAL;
SORT_LIST:SINCE(1) = 100 AND ZT AND IN_BAL;
SORT_BY_DESC(IN_BAL);
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
import datetime as dt
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)
# 获取机构资金变化数据
today = dt.date.today()
start_date = (today - dt.timedelta(days=91)).strftime('%Y-%m-%d')
end_date = (today - dt.timedelta(days=1)).strftime('%Y-%m-%d')
institution_data = pd.DataFrame()
for i in range(len(stock_list)):
stock_code = stock_list.loc[i,'stock_code']
try:
temp = api.get_instrument_info([(1, stock_code)])
if temp:
data = pd.DataFrame(temp[0]['capital_data'])
data['stock_code'] = stock_code
institution_data = pd.concat([institution_data, data])
except:
pass
# 对机构资金数据进行整理
institution_data = institution_data[['stock_code','date','jgzz']]
institution_data['date'] = pd.to_datetime(institution_data['date'])
institution_data = institution_data.sort_values(by=['stock_code','date'])
institution_data['pct_chg'] = institution_data.groupby('stock_code')['jgzz'].pct_change()
# 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'] == today.year :
# 获取机构资金变化数据和K线数据
temp_inst_data = institution_data[institution_data.stock_code == stock_code]
if temp_inst_data.empty:
continue
# 取最后一个交易日的机构资金变化和当前的机构资金总量
inst_pct_chg = temp_inst_data.iloc[-1].pct_chg
inst_data = temp_inst_data.iloc[-1].jgzz
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
last_close = price_data.iloc[-2].close
# 选取符合条件的股票
if (inst_pct_chg > 0) and (stock_list.loc[i,'vol'] / inst_data >= 0.03) and (stock_list.loc[i,'vol'] / inst_data <= 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。
