问财量化选股策略逻辑
该策略选股逻辑包括以下条件：换手率3%-12%,开盘价在十日线左右,10日涨幅大于0小于35。
选股逻辑分析
该选股逻辑考虑了股票的交易活跃度、短期走势、涨幅情况，选出的股票符合市场活跃度，短期走势良好，近期涨幅不过于夸张的标准。
有何风险？
该选股逻辑可能忽略了股票的基本面和长期走势。同时，由于近期涨幅大都集中在热门板块或主题概念股上，因此该筛选结果可能仅限于特定的板块或领域，对于其他潜力股很难涵盖。
如何优化？
可以在选股条件中加入基本面数据，如PE、市净率等。同时，在短期涨幅方面，可以同时考虑5日、20日等周期内的涨幅表现，以扩大选股范围，更全面地了解股票的走势情况。根据市场环境变化和不同的投资需求，可以调整条件细分选择。
最终的选股逻辑
该选股逻辑为：换手率大于等于3%且小于等于12%、开盘价在十日线左右、10日涨幅大于0小于35%。
同花顺指标公式代码参考
通达信公式代码：
(TURNOVER>=0.03 AND TURNOVER<=0.12)
AND (OPEN>MA(CLOSE,10)*0.95 AND OPEN<MA(CLOSE,10)*1.05)
AND (CLOSE/REF(CLOSE,10)-1)*100>0
AND (CLOSE/REF(CLOSE,10)-1)*100<35
python代码参考
import pandas as pd
import numpy as np
from pytdx.hq import TdxHq_API
# 创建连接
api = TdxHq_API()
api.connect('119.147.212.81', 7709)
# 获取所有A股列表
all_stocks = api.get_security_list(1, 0)
df = pd.DataFrame(all_stocks, columns=['code', 'name', 'market_type', 'exchange_type'])
# 获取股票历史行情及可转债信息
selected_stocks = []
for code in df['code']:
k_data = api.get_k_data(code)
if k_data is not None and len(k_data)>10:
tmp_df = pd.DataFrame(k_data)
selected_data = (tmp_df['turnover_ratio']>=0.03) & \
(tmp_df['turnover_ratio']<=0.12) & \
(tmp_df['open']>tmp_df['close'].rolling(10).mean()*0.95) & \
(tmp_df['open']<tmp_df['close'].rolling(10).mean()*1.05) & \
(tmp_df['close'].pct_change(periods=10)>0) & \
(tmp_df['close'].pct_change(periods=10)<0.35)
if sum(selected_data)>0:
selected_stocks.append({'code': code, 'name': df[df['code']==code]['name'].values[0], 'market_type': df[df['code']==code]['market_type'].values[0]})
df_selected = pd.DataFrame(selected_stocks)
# 断开连接
api.disconnect()
## 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。
