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,资金强度由大到小。
选股逻辑分析
该选股策略同样选择中等换手率的股票，并加入了前25天的涨停板条件。同时选择资金强度由大到小进行选股，可以一定程度上筛选出受关注程度较高的股票，参考价值较高。
有何风险？
选股逻辑仍然忽略了业绩和估值等其它因素，可能导致风险加大。同时，资金强度指标可能会带有个别个股的市场炒作因素，要谨慎判断。
如何优化？
优化方法可以考虑加入基本面和估值指标进行综合判断，同时可以结合技术指标进行选股。对于资金强度指标，可以综合考虑市场的整体涨跌情况以及资金的连续流入或流出情况等，避免单一因素对选股结果的影响。
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,综合考虑基本面、估值和技术指标进行综合判断，结合市场涨跌情况和资金流动情况进行选股。
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 NOT EXIST(FINEST, INDUSTRY_TYPE == 1) ORDER BY CAPITALFLOW_HSGT DESC
其中，COUNT表示计算25天内的涨停板数量，WINDBREAKSIGN表示振幅，FINEST表示股票所属行业分类，NOT EXIST表示非某些特定情况。ORDER BY CAPITALFLOW_HSGT DESC表示按照沪深港通资金净买入额由大到小排序。
python代码参考
import pandas as pd
from pytdx.hq import TdxHq_API
# 创建连接
api = TdxHq_API()
api.connect('119.147.212.81', 7709)
# 所有A股列表
all_stocks = api.get_security_list(0, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])
# 获取A股数据
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:
stock_k_data = api.get_k_data(code, 'D')
if stock_k_data is not None and len(stock_k_data) >= 2 * 240 and \
stock_k_data['turnover_ratio'].quantile(0.7) >= 0.03 and \
stock_k_data['turnover_ratio'].quantile(0.7) <= 0.12:
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],
'capitalflow_hsgt': api.get_capital_distribution(code, 4, 1)['hgtjme'][-1]})
df_selected_stocks = pd.DataFrame(selected_stocks)
df_selected_stocks = df_selected_stocks[df_selected_stocks['capitalflow_hsgt']>=0].sort_values('capitalflow_hsgt', ascending=False).reset_index(drop=True)
# 断开连接
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。
