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,昨日9:15匹配价跌停。
选股逻辑分析
该选股策略选股逻辑综合考虑了市场情绪、股票流通性和市场热度等因素，选出具有一定市场情绪和成交量的股票，并在前期有涨停的基础上，结合昨日的实时行情，选取匹配价跌停的股票。该选股策略适用于市场整体表现疲弱的时期。
有何风险？
该选股策略虽然在选股的过程中考虑了市场情绪和流通性等因素，但忽略了企业的基本面因素和盈利能力等重要因素，不能刻画企业的整体运营状况。此外，该条件过于严格，存在选取股票数量较少的风险，而且准确率可能不高。
如何优化？
可以结合其他的选股条件进行综合筛选，如企业的基本面数据、技术分析指标等以提高选股的精准度。同时，投资者也可以适当降低选股条件，选取更多的股票作为备选股进行挖掘。
最终的选股逻辑
该选股策略选股逻辑为：换手率3%-12%,前25天有涨停,昨日9:15匹配价跌停，同时结合技术分析和基本面数据进行筛选。
同花顺指标公式代码参考
通达信指标代码：
TURNOVER_RATIO>=0.03 AND TURNOVER_RATIO<=0.12 AND COUNT(WINDBREAKSIGN>0 and WINDBREAKSIGN<100, 25)>=1 AND YESTCLOSE==LOW_LIMIT ORDER BY TURNOVER_RATIO ASC LIMIT 5
其中，YESTCLOSE表示昨日收盘价，LOW_LIMIT表示昨日跌停价。
python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
api = TdxHq_API()
api.connect('119.147.212.81', 7709)
all_stocks = api.get_security_list(0, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type', 'industry'])
selected_stocks = []
for code in df_stocks['code']:
if code.startswith(('00', '60', '30')) and df_stocks[df_stocks['code'] == code]['market_type'].values[0] != 5:
finance_data = api.get_finance_info(code, 0)
quotes = api.get_security_quotes([(df_stocks[df_stocks['code'] == code]['exchange_type'].values[0], code)])
if quotes['last_prices'][0] < 1:
exapi = TdxExHq_API(auto_retry=True)
exapi.connect('106.14.95.149', 7727)
k_data = exapi.get_minute_time_data(exapi.to_market_code(str(df_stocks[df_stocks['code'] == code]['exchange_type'].values[0]) + code), 2)
exapi.disconnect()
else:
k_data = api.get_security_bars(9 if quotes['last_prices'][0] < 10 else 0, 0, code, 5, 350)
if len(k_data) > 0 and \
k_data['turnover'].quantile(0.7) >= 0.03 and \
k_data['turnover'].quantile(0.7) <= 0.12 and \
any(k_data['high'].rolling(window=25).apply(lambda x: (x == x.max()).any())) and \
quotes['yest_close'][0] == quotes['lower_limit'][0]:
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],
'turnover_ratio': api.get_security_quotes([(df_stocks[df_stocks['code'] == code]['exchange_type'].values[0], code)])['turnover'][0]})
df_selected_stocks = pd.DataFrame(selected_stocks)
df_selected_stocks = df_selected_stocks.sort_values('turnover_ratio', ascending=True).head(5).reset_index(drop=True)
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。
