问财量化选股策略逻辑
该选股策略选股逻辑为：换手率3%-12%,前25天有涨停,昨天3连板。
选股逻辑分析
该选股策略通过选取换手率较为活跃、前25天有涨停的股票，同时昨天有3连板的股票。其选择的逻辑是公司前期有较强的表现，且在昨天热度较高，有望继续上涨。
有何风险？
该选股策略存在风险。首先，该选股策略追求的是短期热度，缺乏长期投资价值评估的指标。其次，短时间内出现的涨停情况可能是因为大单资金在短时间内“炒作”造成的，具有一定的市场风险。
如何优化？
可以加入其它指标，如PE、市值等进行筛选，以及加入风险控制因素，如止盈止损模型来避免因短期涨停或下跌造成较大亏损。
最终的选股逻辑
该选股策略选股逻辑为：选择换手率3%-12%、前25天有涨停的股票，同时选择昨天连续涨停3板的股票。
同花顺指标公式代码参考
通达信指标代码：
CONDITION1:=(VOL/HGVBARS(V,30)>=3) AND (VOL/HGVBARS(V,30)<=12) AND (HHVBARS(HIGH>=HH,1)>=1);
CONDITION2:=TRUE;
FOR i:=1 TO 3 DO
CONDITION2:=CONDITION2 AND LLVBARS(HIGH>=HH,4+i)>=i;
IF NOT CONDITION2 THEN GOTO A1;
END;
A1:
SELECTED:=CONDITION1 AND CONDITION2;
python代码参考
import pandas as pd
import numpy as np
import time
from datetime import datetime, timedelta
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
api = TdxHq_API()
ip = select_best_ip('tdx')
api.connect(ip['ip'], ip['port'])
df_stocks = pd.read_csv('stock_list.csv')
selected_stocks = []
for code in df_stocks['code']:
if code.startswith('60') and df_stocks[df_stocks['code'] == code]['market_type'].values[0] != 5 and \
df_stocks[df_stocks['code'] == code]['delist_date'].values[0] == '':
if not api.is_ST(code) and api.get_stock_list_by_market(1)['name'].tolist().count(df_stocks[df_stocks['code'] == code]['name'].values[0]) == 0 and \
api.get_stock_list_by_market(2)['name'].tolist().count(df_stocks[df_stocks['code'] == code]['name'].values[0]) == 0 and \
df_stocks[df_stocks['code'] == code]['list_date'].values[0] <= '2000-01-01':
try:
stock_info = api.get_security_quotes([code])[0]
k_data = api.get_security_bars(9, 0, code, 4, (datetime.today() - timedelta(days=1)).strftime('%Y-%m-%d'))
k_data.set_index('date', inplace=True)
if len(k_data) > 0 and \
k_data['turnover'].quantile(0.7) >= 0.03 and \
k_data['turnover'].quantile(0.7) <= 0.12 and \
len(k_data[k_data['pct_chg'] >= 9.90]) >= 3 and \
all(k_data['high'].rolling(i + 4).max().shift(-i) >= k_data['high'].rolling(i + 3).max() for i in range(3)):
selected_stocks.append({'code': code,
'name': df_stocks[df_stocks['code'] == code]['name'].values[0],
'market_type': df_stocks[df_stocks['code'] == code]['market_type'].values[0],
'industry': df_stocks[df_stocks['code'] == code]['industry'].values[0]})
except Exception as e:
print(e)
continue
df_selected_stocks = pd.DataFrame(selected_stocks)
api.disconnect()
## 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。
