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、上市时间为2021年、当日涨跌幅乘以超大单净量大于某一阈值的股票。
选股逻辑分析
该选股策略相对于前一个选股逻辑增加了超大单净量和涨跌幅的乘积的筛选条件，增加了技术指标在选股策略中的作用。筛选出涨幅和超级大单可能对该股票的后续表现产生影响的标的，从而实现有针对性的选股。
有何风险？
该选股策略可能存在以下风险：1、忽略了基本面等其他因素的影响；2、考虑了市场交易信号和流动性等因素，但是需要结合市场整体走势进行选择，否则仅从技术面进行选股可能会造成颠簸的投资收益。
如何优化？
可以在技术指标的基础上加入基本面指标，例如市盈率、市净率等指标，以得到更全面的股票信息，也可以结合市场整体趋势进行选择。
最终的选股逻辑
选股逻辑为：选择换手率在3%-12%之间、上市时间为2021年、当日涨跌幅乘以超大单净量大于某一阈值的股票。
同花顺指标公式代码参考
通达信指标代码：
板块:SELECT(SECU_MARKET IN ("001", "003")) > 0;
涨幅:(CLOSE - REF(CLOSE,1))/REF(CLOSE,1);
大单净量:VOL * (AMOUNT - AMOUNT[1]>1) / 10000;
选择:(大单净量 * ABS(涨幅)) > 阈值;
ZT:(TURN / CAPITAL_TODAY) >= 0.03 AND (TURN / CAPITAL_TODAY) <= 0.12;
SORT_LIST:SINCE(1) = 1 AND ZT AND 板块 AND 选择;
SORT_BY_DESC(SORT_LIST);
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'], 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','vol'])
stock_list = get_stock_list(api)
today = dt.datetime.today().strftime('%Y-%m-%d')
yesterday = (dt.datetime.today()-dt.timedelta(days=1)).strftime('%Y-%m-%d')
threshold = 5000
# 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:
q_data = api.get_finance_info(0, stock_code)
if pd.Timestamp(q_data.iloc[0]['ipo_date']).year >= 2021:
k_data = api.get_security_bars(9, 0, stock_code, 0, 1)
v_data = api.get_history_volume_price_data(0, stock_code, start_date=yesterday, end_date=today)
if (v_data['amount'].sum() / v_data['capitalization'].iloc[-1]) >= 0.03 and (v_data['amount'].sum() / v_data['capitalization'].iloc[-1]) <= 0.12:
net_vol = v_data['vol'] * (v_data['buy_largenete'] - v_data['sell_largenete'])
if (k_data[-1]['close']-k_data[-2]['close'])/k_data[-2]['close'] * net_vol > threshold:
condition_list.append(stock_code)
except:
pass
#根据成交量选取符合条件的股票
result = pd.DataFrame(condition_list, columns=['stock_code'])
result = pd.merge(result, stock_list, on=['stock_code'])
result = result[result.vol >= 20000]
result = result[result.vol <= 1000000]
#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。
