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、排除ST股，并采用非ST五部涨停战法选股。
选股逻辑分析
该选股策略注重选择换手率、上市年份等基本面因素，并排除ST股，将重心放在技术指标上，采用五部涨停战法进行选股。这种方法建立在涨停板集中出现的市场环境下，该策略一定程度能够挖掘出短期内表现优异的股票。但是，该策略并不保证持续性，需要及时平仓，避免遭受逆势变盘的风险。
有何风险？
该选股策略存在以下风险：1、过分依赖短期涨幅，可能会忽视公司基本面的影响；2、涨停板出现不确定性，可能导致损失。
如何优化？
应该加入一定的基本面因素分析，将技术指标与基本面相结合，提高投资的可持续性和谨慎性。同时，应严格控制仓位，加入风控策略，避免遭受亏损。
最终的选股逻辑
选择换手率在3%-12%之间、上市年份为2021年、排除ST股，并采用非ST五部涨停战法选股。
同花顺指标公式代码参考
该选股策略中涉及到非ST五部涨停战法，具体指标公式如下：
五部涨停战法 = （当日上涨股票数/当日交易股票数）*100%
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)
# 获取符合条件的股票列表
block = api.get_security_quotes([(0, '000001'), (1, '399001')])
pct_changes = pd.Series([block[0]['last_close']] + [x['price'] for x in block[1]])
pct_changes = (pct_changes - pct_changes.shift(1)) / pct_changes.shift(1)
pct_changes = pct_changes[1:]
matched_stocks = list(pct_changes[pct_changes <= -0.10].index)
result = pd.DataFrame({'stock_code':matched_stocks})
result = pd.merge(result, stock_list, on=['stock_code'])
# 判断是否ST股
st_stock_codes = []
for stock_code in result['stock_code']:
info_df = api.get_security_info(stock_code)
if 'ST' not in info_df['stock_name']:
st_stock_codes.append(stock_code)
result = pd.DataFrame({'stock_code':st_stock_codes})
result = pd.merge(result, stock_list, on=['stock_code'])
# 非ST五部涨停战法
non_st_codes = []
for stock_code in result['stock_code']:
kline = api.get_k_data(stock_code, '2021-05-01', '2021-06-01')
if len(kline) < 5:
continue
sub_set = kline.tail(5)
up_days = sub_set[sub_set['close'] > sub_set['open']]['close']
if len(up_days) < 2:
continue
up_part = len(up_days)/len(sub_set)
if up_part >= 0.6:
non_st_codes.append(stock_code)
result = pd.DataFrame({'stock_code':non_st_codes})
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。
