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,（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2。
选股逻辑分析
该选股策略主要以涨停板信息和换手率为基本面指标，以竞价成交量变化作为技术面指标，瞄准流动性较好且有涨停板信息的标的，可以一定程度上综合考虑公司基本面和流动性，提高选股策略的准确性。
有何风险？
该选股策略仍然是短期交易策略，因此会存在选出不良公司或者发布虚假涨停信息的股票的风险。
如何优化？
可以加入其他技术和基本面指标进行综合分析，同时可以加入其它量化指标，如波动率等辅助分析，从而提高选股的准确度。
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,（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2，从而筛选出具备流动性和潜在上涨空间的标的。
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 CCI(BARS,14)>=-100 AND (JSZGQ>0 AND JSZGQ<2)
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:
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:
k_data = api.get_security_bars(9, 0, code, 4, 250)
if len(k_data) > 1 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 \
(k_data['turnover'].iloc[-2] * (k_data.iloc[-1]['vol'] / k_data.iloc[-2]['vol'])) > 0.5 and \
(k_data['turnover'].iloc[-2] * (k_data.iloc[-1]['vol'] / k_data.iloc[-2]['vol'])) < 2 and \
k_data['cci'].iloc[-1] >= -100:
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],
'change': api.get_security_quotes([(df_stocks[df_stocks['code'] == code]['exchange_type'].values[0], code)])['change'][0]})
df_selected_stocks = pd.DataFrame(selected_stocks)
df_selected_stocks = df_selected_stocks.sort_values('change', ascending=False).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。
