问财量化选股策略逻辑
该选股策略选股逻辑为：在换手率为3%-12%、股票代码以60开头、图形为圆弧形的股票中进行选股。
选股逻辑分析
该选股策略除了考虑流动性和股票品种因素外，还对股票的图形进行考虑。具体而言，该选股策略认为股票图形为圆弧形意味着该股票具有相对稳定的运行趋势，有可能长期保持较高的收益。
有何风险？
该选股策略同样忽略了一些股票的基本面情况，如果市场出现大的变化，该选股策略可能不能很好地适应市场状况。同时，该选股策略可能会漏掉某些优秀的股票，例如一些股票的图形可能并不呈现圆弧形状，但具有一定投资价值。
如何优化？
可以增加一些基本面因素作为选股条件，例如市盈率、市净率等指标，以更全面地考虑股票的运作情况。同时，可以采用更多的技术指标和基本面指标，例如RSI、MACD等，以更好地反映市场的短期波动情况。此外，可以针对不同的行业和市场行情，制定不同的选股逻辑。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、图形为圆弧形的股票中进行选股。
同花顺指标公式代码参考
选股公式：选择换手率在3%-12%、股票代码以60开头、图形为圆弧形的股票。
Python代码参考
import pandas as pd
import tushare as ts
# 获取符合条件的股票列表
def get_good_stocks(pro):
good_list = []
# 调用Tushare接口获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L')
# 遍历数据，判断是否符合选股规则
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
if ts_code[:2] == '60':
k_data = ts.get_k_data(ts_code, start='2021-01-01', end='2021-02-19')
if k_data is not None and len(k_data) > 0:
# 获取该股票最近20个交易日的K线数据
k_data = k_data.tail(20)
# 将K线数据转化为numpy数组
arr = k_data.values
# 判断是否为圆弧形状
if arr[0][4] > arr[4][4] and arr[0][4] > arr[19][4] and arr[19][4] > arr[4][4]:
good_list.append(ts_code)
return good_list
# 获取股票市值
def get_stock_market_value(pro, stock_code):
data = pro.daily_basic(ts_code=stock_code, trade_date='20210219', fields='ts_code,total_mv')
return data.iloc[0]['total_mv']
# 获取股票量比
def get_stock_vol_ratio(pro, stock_code):
data = pro.daily_basic(ts_code=stock_code, trade_date='20210219', fields='ts_code,volratio')
return data.iloc[0]['volratio']
# 获取股票收益率
def get_stock_pct_chg(pro, stock_code):
data = pro.daily(ts_code=stock_code, trade_date='20210219', fields='ts_code,pct_chg')
return data.iloc[0]['pct_chg']
# 获取所有符合条件的股票
token = "your token"
pro = ts.pro_api(token)
good_stocks = get_good_stocks(pro)
# 计算符合条件的股票的市值、量比和收益率
result = []
for stock_code in good_stocks:
market_value = get_stock_market_value(pro, stock_code)
vol_ratio = get_stock_vol_ratio(pro, stock_code)
pct_chg = get_stock_pct_chg(pro, stock_code)
result.append([stock_code, market_value, vol_ratio, pct_chg])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_value', 'vol_ratio', 'pct_chg'])
df = df.sort_values(by='market_value', ascending=False)
print(df.head(10))
## 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。
