问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%,剔除北京A股以及昨天连续涨停3天的股票中选取。
选股逻辑分析
此选股逻辑主要考虑了股票市场热度和技术面反弹，通过筛选昨天涨停且连续3天涨停的股票，来寻找当前市场热点，以及预期这些热点股票当天的走势，加大盈利的概率。另外，筛选出换手率3%-12%的股票，以防止利用高换手率带来的涨停盘等非自然因素，减少投资风险。
有何风险？
该选股方法存在较强的市场风格依赖性，也存在盲目追涨杀跌的风险，需要结合其他指标进行判断。另外，如果市场整体走势不好，或者流动性下降，这种选股逻辑的表现可能会受到影响，容易出现亏损。
如何优化？
可以结合其他技术指标进行判断，以减少选股过程中的误判，降低风险。例如结合 K 线形态、均线交叉、成交量等因素进行综合判断。
最终的选股逻辑
在换手率3%-12%,剔除北京A股以及昨天连续涨停3天的股票中进行选取，并综合考虑其他相关因素对股票进行筛选。
同花顺指标公式代码参考
本选股逻辑无需使用同花顺指标公式。
Python代码参考
import tushare as ts
import datetime
def select_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
# 获取昨日所有涨停的股票
today = datetime.date.today().strftime('%Y%m%d')
df_ltr = pro.limit_list(trade_date=today, limit_type='U')
df_ltr = df_ltr[['ts_code', 'pct_chg']]
# 筛选出非ST股，且不是连续3天涨停的股票
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['name'].str.contains('ST') == False)]
df1 = df1[(df1['area'] != '北京')]
day1 = df_ltr[df_ltr['pct_chg'] >= 9].reset_index(drop=True)
day2 = df_ltr[df_ltr['pct_chg'] >= 9].shift(-1).reset_index(drop=True)
day3 = df_ltr[df_ltr['pct_chg'] >= 9].shift(-2).reset_index(drop=True)
df1 = df1[~df1['ts_code'].isin(day1['ts_code']) & ~df1['ts_code'].isin(day2['ts_code']) & ~df1['ts_code'].isin(day3['ts_code'])]
df1 = df1.head(20)
return df1
good_stocks = select_good_stocks()
print(good_stocks)
## 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。
