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、收盘价在boll(upper值)和boll(mid值)之间的股票中进行选股。
选股逻辑分析
该选股策略通过综合考虑换手率、股票代码和技术指标Bollinger Bands等因素，找出具有相对稳定走势、交易活跃的标的，从而提高选股准确率。
有何风险？
该选股逻辑注重技术指标Bollinger Bands，容易受到市场资金流动的影响，存在一定的风险。同时，Bollinger Bands也存在一定的局限性，无法综合考虑股票的基本面因素。
如何优化？
基于Bollinger Bands指标，结合其他技术指标和基本面因素构建一个兼顾长期和短期的选股模型，从而提高选股的稳定性和收益能力。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头、收盘价在boll(upper值)和boll(mid值)之间的股票中进行选股。
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，同时收盘价在Bollinger Bands的upper值和mid值之间的股票。
Python代码参考
import pandas as pd
import tushare as ts
def get_stock_list(pro):
# 获取股票列表
stock_info = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,area,industry,market,fullname,enname')
stock_info = stock_info[stock_info['ts_code'].str.startswith('60')] # 筛选出股票代码以60开头的股票
return stock_info
def get_good_stocks(stock_list, api):
# 获取符合选股规则的标的
good_list = []
# 获取交易日历和当前交易日
trade_cal = api.trade_cal(exchange='', start_date='20220101', end_date='20220301', is_open='1')
trade_cal = trade_cal.loc[trade_cal['cal_date'] >= '2020-01-01', 'cal_date'].tolist()
current_trade_date = trade_cal[-1]
# 遍历股票列表
for idx, stock in enumerate(stock_list.ts_code.tolist()):
print("正在处理第 {} 只股票，代码为 {}".format(idx+1, stock))
# 获取股票的日线行情数据
df = api.daily(ts_code=stock, start_date='20200101', end_date=current_trade_date)
if df.empty:
continue
# 判断换手率是否在3%-12%之间
daily_basic = api.daily_basic(ts_code=stock, trade_date=current_trade_date)
if daily_basic.empty:
continue
volume_ratio = daily_basic.iloc[0]['turnover_rate']
if volume_ratio < 3 or volume_ratio > 12:
continue
# 计算Bollinger Bands
n = 20
middle = df['close'].rolling(n, min_periods=1).mean()
std = df['close'].rolling(n, min_periods=1).std()
upper = middle + 2 * std
lower = middle - 2 * std
# 判断收盘价是否在Bollinger Bands的upper值和mid值之间
if df.iloc[-1]['close'] > lower.iloc[-1] and df.iloc[-1]['close'] < upper.iloc[-1]:
good_list.append([stock, daily_basic.iloc[0]['total_mv'], df.iloc[-1]['close']])
return good_list
# 获取股票列表
token = 'your token'
pro = ts.pro_api(token)
stock_list = get_stock_list(pro)
# 获取符合选股规则的标的
good_stocks = get_good_stocks(stock_list, pro)
# 输出结果
df_good_stocks = pd.DataFrame(good_stocks, columns=['stock', 'total_mv', 'price'])
print('选股结果：')
print(df_good_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。
