问财量化选股策略逻辑
选股逻辑为： 在换手率为3%-12%、股票代码以60开头且竞价时涨跌幅买入大单.特大单共计买入量大于0.7千万的条件下，选股。
选股逻辑分析
该选股策略主要考虑到市场的交易情况和成交量因素。如果一只股票的竞价时出现大单、特大单买入，同时换手率适中，选择这些股票可以获得较高的收益。
有何风险？
该选股策略只侧重于成交量因素，忽略了股票的基本面和技术面因素，可能会错过一些优质股票，有较大的风险。
如何优化？
在成交量因素的基础上，加入基本面和技术面因素，进行多维度综合评估，在风控上加强要求，避免过度暴露于高风险股票。同时可以对不同类型的指标进行综合考量，如同时考虑均线和MACD指标等。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头且竞价时涨跌幅买入大单.特大单共计买入量大于0.7千万的条件下进行选股，同时加入公司盈利能力、成长性等基本面因素和技术面因素的综合考量。
同花顺指标公式代码参考
选股公式：
(CODETYPE="2" AND LEFT(CODE,2)="60" AND B1>0 AND VOL>7000000 AND TURNOVERRATE>=3 AND TURNOVERRATE<=12)
其中B1表示竞价时买入的最高价与开盘价之差，VOL表示成交量。
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')
# 匹配满足条件的股票
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
if ts_code[:2] == '60':
quote_data = pro.top_list(trade_date='20211022', fields='ts_code,symbol,name,buy,sell,buy_pre,buy_vol_ratio,buy_turnover_rate')
buy_max_diff = quote_data[quote_data['ts_code'] == ts_code]['buy'].iloc[0] - quote_data[quote_data['ts_code'] == ts_code]['open'].iloc[0]
buy_vol = quote_data[quote_data['ts_code'] == ts_code]['buy_vol_ratio'].iloc[0] * quote_data[quote_data['ts_code'] == ts_code]['buy_turnover_rate'].iloc[0]
if buy_max_diff > 0 and buy_vol > 7000000:
daily_info = pro.daily(ts_code=ts_code, start_date='20211021', end_date='20211022')
turnover_ratio = daily_info[daily_info['turnover_rate'] > 0]['turnover_rate'].mean()
if turnover_ratio >= 0.03 and turnover_ratio <= 0.12:
good_list.append(ts_code)
return good_list
# 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和涨幅
result = []
for stock_code in good_stocks:
daily_data = pro.daily(ts_code=stock_code, start_date='20211022', end_date='20211022')
result.append([stock_code, daily_data.iloc[-1]['market_cap'], daily_data.iloc[-1]['close'] / daily_data.iloc[0]['close']])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate'])
df = df.sort_values(by='increase_rate', 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。
