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，涨跌幅度与成交量的超大单净量乘积大于0.2的股票中选股买入。
选股逻辑分析
该选股策略主要从技术面入手，使用震荡指标K值和换手率筛选低风险股票，再从涨跌幅度与成交量的超大单净量方面关注市场热度，挑选满足条件的股票。选股逻辑结合了市场热度和市场资金情况，能够较好地抓住市场趋势和动向。
有何风险？
由于该选股逻辑仍然没有充分考虑公司基本面等因素，并且成交量和涨跌幅容易受到市场的噪音影响，存在着一定的投资风险。
如何优化？
可以考虑将成交量和涨跌幅两个条件分离考虑，可以减少噪音的影响，并且可以尝试在选股策略中引入公司基本面等因素，从而提高选股的准确性。
最终的选股逻辑
在换手率3%-12%，K小于20的股票中，分别挑选出量能较大的股票以及涨跌幅较好的股票，再从中挑选出涨跌幅度与成交量的超大单净量乘积大于0.2且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 ((C - YC) / YC * DDN > 0.2)
选股结果：fml('(SWS1 >= 801010 AND SWS1 <= 801160) AND (K < 20) AND ((C - YC) / YC * DDN > 0.2)', 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
# 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')]
# 成交量情况
df2 = ts.get_today_ticks(stock)
df2['net_volume'] = df2['volume'].diff()
df2.fillna(0, inplace=True)
df2.loc[df2['net_volume'] <= 0, 'net_volume'] = 0
df2.loc[df2['net_volume'] > 0, 'net_volume'] = df2['net_volume'] * df2['price']
giant_buy = df2['net_volume'].sum() / df2['volume'].sum()
good_stocks.loc[stock, 'giant_buy'] = giant_buy
# 涨跌幅情况
today_df = ts.get_today_all()
good_stocks = pd.merge(good_stocks, today_df[['code', 'changepercent']], on='code')
good_stocks = good_stocks[good_stocks['changepercent'] > 0]
# 涨跌幅和成交量条件
good_stocks = good_stocks[(good_stocks['changepercent'] * good_stocks['giant_buy']) > 0.2]
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。
