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开头的股票中，选取最近两个交易日收盘价的最高点为高点。
选股逻辑分析
该选股策略从低换手率、股票代码、高点入手，综合考虑市场热点和技术面信息，有利于挖掘市场短期走势较好的个股，具有一定的可行性。
有何风险？
该选股策略存在以下风险：1、可能会受到市场波动干扰，选出的股票波动性较大；2、高点判断需要充分考虑市场短期情况和其它因素，否则选股效果可能不理想。
如何优化？
建议在高点判断上引入更多技术指标和行情资讯，可提高选股效果的准确性。同时，对于波动性较大的股票，应增加风险控制措施，避免影响投资收益。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头的股票中，选取最近两个交易日收盘价的最高点为高点。
同花顺指标公式代码参考
选股公式：选取60开头的股票，在筛选出的股票中，选取最近两个交易日收盘价的最高点作为高点。
Python代码参考
import pandas as pd
import tushare as ts
token = 'your token'
pro = ts.pro_api(token)
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_high_point(stock_list, api):
#获取最近两个交易日收盘价的最高点
high_point_list = []
for stock_code in stock_list['ts_code'].tolist():
daily = api.daily(ts_code=stock_code, start_date='20220304', end_date='20220305')
if len(daily) == 2:
highest_price = daily['close'].max()
high_point_list.append({'ts_code': stock_code, 'high_point': highest_price})
high_point_df = pd.DataFrame(high_point_list)
return high_point_df.sort_values(by='high_point', ascending=False)['ts_code'].tolist()
#获取股票列表
stock_list = get_stock_list(pro)
#获取最近两个交易日收盘价的最高点
high_point_stocks = get_high_point(stock_list, pro)
#输出结果
print("下列股票按照最近两个交易日收盘价的最高点排序：")
print(high_point_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。
