问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包、今日均线向上发散的股票中进行筛选。
选股逻辑分析
该选股策略综合考虑了股票的交易量、价格、趋势和市场情绪等因素，并加入了技术指标中的均线向上发散的因素，寻找在一定时间内有较好表现的股票。
有何风险？
该选股策略仍然忽略了一些基本面指标如市值、盈利等，可能会选出潜力较小的个股。同时，均线的选择有时需要视情况而定，不同的均线可能会导致不同的结果。
如何优化？
可以加入更多的基本面指标和其它量价指标等，并且均线的选择需要根据市场情况和不同个股的特点来决定。
最终的选股逻辑
选股条件为：在换手率3%-12%、反包、今日均线向上发散的股票中进行筛选。
同花顺指标公式代码参考
选股条件：turnover_rate>=3 AND turnover_rate<=12 AND
(RC <= 0.2) AND (MA5 > MA10 > MA20 > MA30)
选股结果：fml('turnover_rate>=3 AND turnover_rate<=12 AND
(RC <= 0.2) AND (MA5 > MA10 > MA20 > MA30)', 80)
Python代码参考
import tushare as ts
import pandas as pd
import numpy as np
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,turnover_rate')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
# 反包策略
df2 = pro.daily(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,low,high,pre_close')
df2['AT'] = df2['high'] - df2['low']
df2['ST'] = abs(df2['pre_close'] - df2['low'])
df2['BT'] = abs(df2['pre_close'] - df2['high'])
df2['RCT1'] = df2['ST'] / df2['AT']
df2['RCT2'] = df2['BT'] / df2['AT']
df2['RC'] = df2[['RCT1', 'RCT2']].min(axis=1)
df3 = df2[df2['trade_date'] == '20220110']
good_stocks = df3[df3['RC'] <= 0.2]['ts_code']
# 今日均线向上发散
good_stocks = pd.merge(good_stocks.to_frame(),
pro.daily(ts_code=good_stocks.to_string(index=False),
start_date='20200101', end_date='20220110',
fields='ts_code,tradedate,close'),
on='ts_code', how='inner')
ma_list = [5, 10, 20, 30]
for ma in ma_list:
good_stocks['MA' + str(ma)] = good_stocks['close'].rolling(ma).mean()
if all(good_stocks['MA5'].iloc[-2:] > good_stocks['MA10'].iloc[-2:]) and \
all(good_stocks['MA10'].iloc[-2:] > good_stocks['MA20'].iloc[-2:]) and \
all(good_stocks['MA20'].iloc[-2:] > good_stocks['MA30'].iloc[-2:]):
good_stocks = good_stocks[['ts_code']]
# 剔除ST股
good_stocks = pd.merge(good_stocks, pro.stock_basic(list_status='L',
exchange='', fields='ts_code'),
on='ts_code', how='inner')
return good_stocks.reset_index(drop=True)
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。
