(supermind量化策略)换手率3%-12%、开盘价在十日线左右、2021年

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,2021年。

选股逻辑分析

该选股逻辑考虑了股票的交易活跃度、短期走势和时间因素。选出的股票交易活跃，短期走势良好且符合2021年市场情况。

有何风险？

该选股逻辑过于注重历史数据和时间因素，可能忽略了未来市场的变化和未来股票的表现。同时，该选股逻辑没有考虑股票基本面数据的影响，可能选出的股票并不具备长期投资价值。

如何优化？

可以加入其他交易指标、技术指标和基本面因素来增加选股维度以提高选股质量和精度。例如，可以加入股票市值、权益比例、股息率等指标，以及使用技术指标如KDJ、MACD等。并且考虑强化股票基本面数据对选股的影响力。

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、选股时间为2021年。

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 YEAR(DATE)==2021

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)>0:
        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['date'].dt.year==2021)
        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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind量化策略)换手率3%-12%、开盘价在十日线左右、2021年_