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,前25天有涨停。
选股逻辑分析
该选股逻辑综合考虑股票的交易活跃度、短期走势，以及股票的市场关注度。选出的股票具备较高市场关注度，可以增加短期涨幅潜力。
有何风险？
该选股逻辑过度依赖历史数据，对于特殊情况如市场大幅波动、新闻、政策等因素反应较慢。同时，该选股逻辑忽略了股票基本面的因素，可能选出的股票并不具备长期投资价值。
如何优化？
可以结合其他指标，例如均线拐头、MACD等，以及加入基本面因素，如股票财务数据、行业发展趋势等，从多个维度进行选股，提高选股质量和精度。
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、前25天内有涨停板的股票。
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 COUNT(IF((REF(HIGH,1)==HIGH) AND (REF(CLOSE,1)*1.1<OPEN),1,0),25)>0
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)>25:
tmp_df = pd.DataFrame(k_data)
tmp_df['ZT'] = tmp_df.apply(lambda x: 1 if (x['high']==x['high'].shift(1)) & (x['open']>x['close'].shift(1)*1.1) else 0, axis=1)
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['ZT'].rolling(25).sum()>0)
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。
