问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包、今日上涨大于1%的主板股票中选择。
选股逻辑分析
该选股策略采用了反包指标、换手率指标以及技术指标中的涨幅指标，对于具有股票基本面优势、且技术面上短期内有一定上涨趋势的主板股票进行选股。相对于仅仅采用技术指标选股的方法，该选股策略更具有合理性和可操作性。但是，该选股策略依然局限于技术面的判断，缺乏对股票基本面及政策面的分析，选股存在一定的风险。
有何风险？
由于该选股策略忽略了股票基本面、政策面等因素的影响，仅仅依靠技术指标判断股票趋势，可能会选出一些投资价值不高、存在较大风险的股票。
如何优化？
在选股条件中加入股票基本面、政策面等方面的指标，更全面地考虑股票的投资价值和潜在风险。同时，可以结合技术分析和基本面分析相结合的方法，在不同的市场环境下选择不同的选股策略。
最终的选股逻辑
选股条件为：在换手率3%-12%、反包、今日上涨大于1%的主板股票中选择。
同花顺指标公式代码参考
选股条件：turnover_rate>=3 AND turnover_rate<=12 AND STRFK("88,A,B,C,D,E,F,G") AND C/(VOL/10000)>1 AND (FIND("SH",CODE)>=1) ORDER BY TOF("市值") DESC
选股结果：fml('turnover_rate>=3 AND turnover_rate<=12 AND STRFK("88,A,B,C,D,E,F,G") AND C/(VOL/10000)>1 AND (FIND("SH",CODE)>=1) ORDER BY TOF("市值") DESC', 80)
其中，turnover_rate表示股票换手率，STRFK表示反包指标，C/(VOL/10000)表示日涨幅超过1%的选股条件。
Python代码参考
import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
main_board = ['sh', 'sz']
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,turnover_rate')
df2 = pro.futures_sett_detail(trade_date='20220110',
fields='ts_code,trade_date,settle_price,position_chg')
df2['pos_chg_ratio'] = df2['position_chg'] / df2['position']
df2['date'] = pd.to_datetime(df2['trade_date'])
df2 = df2[df2['date'] == '2022-01-10']
df3 = pd.merge(df1, df2[['ts_code', 'pos_chg_ratio']], on='ts_code', how='inner')
# 今日上涨大于1%
df4 = pro.daily(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,close,pre_close')
df4['pct_chg'] = (df4['close'] - df4['pre_close']) / df4['pre_close'] * 100
df5 = df4[df4['pct_chg'] > 1]
# 主板股票
df6 = df3[df3['ts_code'].str[:2].isin(main_board)]
# 买卖盘指标
df7 = pro.moneyflow(ts_code='', trade_date='20220110',
fields='ts_code,buy_sm_vol,sell_sm_vol')
df8 = df7.groupby('ts_code').agg(
{'buy_sm_vol': 'sum', 'sell_sm_vol': 'sum'}).reset_index()
df9 = pd.merge(df6, df8[df8['buy_sm_vol'] > df8['sell_sm_vol']], on='ts_code', how='inner')
# 整合数据
df10 = pd.merge(df9, df5[['ts_code']], on='ts_code', how='inner')
df11 = pd.merge(df10, pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,close'), on='ts_code', how='inner')
df12 = pd.merge(df11, pro.stock_basic(exchange='', list_status='L',
fields='ts_code,name,industry,pe,pb,total_mv,float_mv'), on='ts_code', how='inner')
df12 = df12.round({'turnover_rate': 2, 'float_mv': 2})
return df12.sort_values(by='total_mv', ascending=False)
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。
