问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包、收盘价在上轨Bollinger Band和中轨Bollinger Band之间的股票中进行筛选。
选股逻辑分析
该选股策略主要考虑了股票的流动性、趋势性，同时结合了技术分析中的Bollinger Band指标，选出相对于整个市场来说具有一定流动性、趋势性且处于上升趋势的股票，以提高交易效率、降低风险。
有何风险？
该选股策略可能忽略了公司的基本面指标等因素，可能会存在选出的股票表现不佳的情况。另外，Bollinger Band指标的使用有一定局限性，存在市场变化时无法准确预测股票价格走势的风险。
如何优化？
可以增加其他指标进行筛选，比如增加业绩增长率、市盈率等指标，这样可以更全面的评估公司的潜力和估值。另外，可以考虑对Bollinger Band指标的使用进行改进，增加更多的技术分析指标进行股票的筛选。
最终的选股逻辑
选股条件为：在换手率3%-12%、反包、收盘价在上轨Bollinger Band和中轨Bollinger Band之间的股票中进行筛选。
同花顺指标公式代码参考
选股条件：(HIGH/REF(CLOSE,1)-1>=0.098) AND (LOW/REF(CLOSE,1)-1<=-0.098) AND (turnover_rate>=3 AND turnover_rate<=12) AND (CLOSE<BOLLUPPER(CLOSE, 20, 2)) AND (CLOSE>BOLL(CLOSE, 20, 2)) AND (exchange == 'SZSE') AND (list_status == 'L')
选股结果：fml('(HIGH/REF(CLOSE,1)-1>=0.098) AND (LOW/REF(CLOSE,1)-1<=-0.098) AND (turnover_rate>=3 AND turnover_rate<=12) AND (CLOSE<BOLLUPPER(CLOSE, 20, 2)) AND (CLOSE>BOLL(CLOSE, 20, 2)) AND (exchange == 'SZSE') AND (list_status == 'L')', 'desc', 'hot', 100)
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():
# 反包策略
df1 = pro.daily(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,low,high,pre_close')
df1['AT'] = df1['high'] - df1['low']
df1['ST'] = abs(df1['pre_close'] - df1['low'])
df1['BT'] = abs(df1['pre_close'] - df1['high'])
df1['RCT1'] = df1['ST'] / df1['AT']
df1['RCT2'] = df1['BT'] / df1['AT']
df1['RC'] = df1[['RCT1', 'RCT2']].min(axis=1)
# 换手率3%-12%
df2 = pro.daily_basic(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,turnover_rate')
good_stocks = pd.merge(df1[['ts_code', 'RC']],
df2.iloc[:, :-1], on='ts_code', how='inner')
good_stocks = good_stocks[(good_stocks['turnover_rate'] >= 3) &
(good_stocks['turnover_rate'] <= 12)]
# Bollinger Band策略
df3 = pro.daily(ts_code='', trade_date='20220110',
fields='ts_code,trade_date,close')
ma20 = df3['close'].rolling(20).mean()
md20 = df3['close'].rolling(20).std()
up20 = ma20 + 2 * md20
good_stocks = pd.merge(good_stocks, df3[['ts_code', 'close']],
on='ts_code', how='inner')
good_stocks = good_stocks[(good_stocks['close'] < up20) &
(good_stocks['close'] > ma20)]
# 深证主板中选股
good_stocks = good_stocks[good_stocks['exchange'] == 'SZSE']
good_stocks = good_stocks[good_stocks['list_status'] == 'L']
# 返回股票代码
good_stocks = good_stocks['ts_code'].reset_index(drop=True)
return good_stocks
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。
