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,近25个交易日有单日涨幅大于等于百分之10。
选股逻辑分析
该选股策略通过筛选换手率较为活跃的股票，且前25天有涨停，同时要求近25个交易日有单日涨幅大于等于百分之10的股票。其目的是通过选取近期表现较好,未来涨势潜力较大的股票。
有何风险？
该选股策略存在风险。近25个交易日有单日涨幅大于等于百分之10的股票可能有投机或个别情况导致，不能够完全代表股票走势的真实情况。此外，仅通过量化逻辑选股并不完全保证股票的收益，还需要进行个股分析对其基本面和未来走势进行分析。
如何优化？
可以引入其他技术指标，如55日均线和MACD等指标。加入量价分析的技术指标，增加选股策略的安全性和精确性。避免单一指标的盲目使用，增加综合分析的比重，选择未来涨势更为突出的股票。同时，可以使用机器学习算法对股票走势、基本面和市场情况进行分析。
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；同时要求近25个交易日有单日涨幅大于等于百分之10。
同花顺指标公式代码参考
通达信指标代码：
H := HIGH;
L := LOW;
O := OPEN;
C := CLOSE;
Up := IF(O > REF(C, 1), O, REF(C, 1));
Dn := IF(O < REF(C, 1), O, REF(C, 1));
Osc := (C - REF(C, 1)) / REF(C, 1) * 100;
M := 25;
HH := HHV(H, M);
LL := LLV(L, M);
ROC := (C - REF(C, 25)) / REF(C, 25) * 100;
ROC1 := (REF(CLOSE, 1) - REF(CLOSE, 25)) / REF(CLOSE, 25) * 100;
//选股条件 - 换手率3%-12%,前25天有涨停,近25个交易日有单日涨幅大于等于百分之10
CONDITION1:=(VOL/HGVBARS(V,30)>=3) AND (VOL/HGVBARS(V,30)<=12) AND (HHVBARS(HIGH>=HH,1)>=1);
CONDITION2:=(ROC>=10) OR (ROC1>=10);
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'])
end_date = datetime.today().strftime('%Y-%m-%d')
start_date = (datetime.today() - timedelta(days=25)).strftime('%Y-%m-%d')
all_stocks = api.get_security_list(0, 0)
df_stocks = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type',
'industry', 'list_date', 'delist_date', 'infolevel'])
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().strftime('%Y-%m-%d'))
k_data.set_index('date', inplace=True)
if len(k_data[k_data['pct_chg'] >= 10]) >= 1:
k_data = k_data.loc[(k_data.index >= start_date) & (k_data.index <= end_date)]
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]) >= 1:
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],
'infolevel': df_stocks[df_stocks['code'] == code]['infolevel'].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。
