问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%，K小于20的股票中，选择连续七个交易日每日均价低于前一天的股票买入。
选股逻辑分析
该选股策略通过选择换手率和K值的低风险股票，并协调市场行情变化，以连续七日跌势来挑选股票。该策略能够比较敏锐地抓住市场可能出现的拐点，有效减少操作风险。
有何风险？
该选股策略存在部分情况下市场将会上涨的风险，可能会漏掉一些市场的机会。并且该策略选出的股票可能存在一定的估值风险和业绩风险。
如何优化？
可以考虑在选股策略中引入公司基本面等因素，从而减少纯技术面带来的盲目风险。此外，可以采用其他技术指标和量化因子来挑选股票，如动量指标和趋势指标等。
最终的选股逻辑
在换手率3%-12%，K小于20的股票中，选择近七个交易日每日均价低于前一天的、具有较好成长性和较低投资风险的股票。
同花顺指标公式代码参考
选股条件：(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND (DOWNNDAYS(CLOSE,7)=7)
选股结果：fml('(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND (DOWNNDAYS(CLOSE,7)=7)', TC)
Python代码参考
import tushare as ts
import pandas as pd
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
basic_info = ts.get_stock_basics()
good_stocks = basic_info[(basic_info['turnoverratio'] >= 3) & (basic_info['turnoverratio'] <= 12)]
# K值小于20
for stock in good_stocks.index.tolist():
df1 = ts.get_k_data(stock, ktype='D')
if df1.iloc[-1]['K'] >= 20:
good_stocks.drop([stock], inplace=True)
continue
# 连续七个交易日每日均价低于前一天
for stock in good_stocks.index.tolist():
df2 = ts.get_hist_data(stock, ktype='D')
if len(df2) >= 8:
close_prices = df2.iloc[1:8]['close'].tolist()
pre_mean = sum(close_prices) / 7
cur_mean = df2.iloc[0]['close']
if cur_mean >= pre_mean:
good_stocks.drop([stock], inplace=True)
continue
# 行业情况
sw_industry = ts.get_industry_classified()
sw_industry.set_index('code', inplace=True)
good_stocks = pd.merge(good_stocks, sw_industry, on='code')
good_stocks = good_stocks[good_stocks['c_name'].str.contains('主板')]
return good_stocks
good_stocks = select_good_stocks()
print(good_stocks.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。
