问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包的前提下，筛选昨天出现3连板的个股。
选股逻辑分析
该选股策略主要考虑了个股走势的短期表现，通过筛选昨天出现3连板的个股，并在换手率3%-12%、反包的前提下，可以挖掘出较为热门的个股，从而能够抓住市场上爆发性的行情。
有何风险？
该选股策略具有一定的主观性，可能会受到市场情绪、资金面等短期行情的影响，存在选择股票时偏见的风险。同时，该策略可能会造成较为高昂的交易成本，以及对资金的较高要求，需要投资者进行深入的研究和监控。
如何优化？
可以在选股条件上加入其他因素进行筛选，如市盈率、市净率等因素，从多个角度考虑企业的价值，综合性能做出选择。同时，为了避免选出股价变动较大的个股，可以结合其他技术分析指标（如均线、相对强弱指标等）来辅助股票分析，从而降低风险。同时，也可以结合逆向思维等策略进行交易，保持稳健的投资信心。
最终的选股逻辑
选股条件为：在换手率3%-12%、反包的前提下，筛选昨天出现3连板的个股。
同花顺指标公式代码参考
选股条件：CIRC5<=1 AND HIGH/LOW>=1.02 AND CLOSE==REF(CLOSE,1)
选股结果：fml('(CIRC5<=1 AND HIGH/LOW>=1.02 AND CLOSE==REF(CLOSE,1))', 'desc', 'pe_ttm', 100)
Python代码参考
import tushare as ts
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='', start_date='20210101', end_date='20220131',
fields='ts_code,trade_date,pre_close,open,high,low,close,vol,amount')
# 计算指标
df1['circ_mv'] = pro.daily_basic(ts_code='', trade_date='20220131', fields='ts_code,circ_mv')['circ_mv']
df1['circ_mv'] = df1['circ_mv'] / 100000000
df1['CIRC5'] = (df1['circ_mv'] > df1['circ_mv'].quantile(0.95)).astype(int)
df1['HIGH_AND_LOW'] = df1['high'] / df1['low']
df1['CLOSE'] = (df1['close'] == df1['close'].shift(1)) & (df1['close'] == df1['close'].shift(2))
# 筛选
good_stocks = df1[(df1['CIRC5'] <= 1) & (df1['HIGH_AND_LOW'] >= 1.02) & (df1['CLOSE'])]['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。
