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、大单净量排行（即主力资金净流入排名）。
选股逻辑分析
该选股逻辑旨在通过考虑股票的交易活跃度、价格走势和主力资金流向等因素，选出具备一定潜力的股票。
有何风险？
该选股逻辑存在一定风险，可能忽略了公司基本面和行业竞争等因素，进而选出市场表现不佳的股票。同时，大单净量排行也有可能并不代表主力真实意图，存在一定的虚假现象，进而影响选股效果。
如何优化？
考虑综合运用多个因素进行股票筛选，包括公司基本面、行业表现等，以实现更为全面有效的选股方案。同时，建议对大单净量排行进行进一步分析，以更好地把握主力资金流向。
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、大单净量排行前20%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 LLV(MAIN_IN, 5) / LLV(VOL, 5) >= LLV(MAIN_IN, 10) / LLV(VOL, 10) * 0.8
AND MARKETTYPE = 1
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'])
df['code'] = df['code'].apply(lambda x: str(x))
df = df[df['exchange_type']=='1'] # 只保留沪市A股
# 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:
main_net_in = k_data['amount'] * (2 * k_data['close'] - k_data['high'] - k_data['low']) / (k_data['high'] - k_data['low']) / 10000 # 计算主力净流入
main_net_rank = main_net_in.rank() / len(main_net_in) # 计算主力净流入排行
selected_data = (k_data['turnover_ratio']>=0.03) & \
(k_data['turnover_ratio']<=0.12) & \
(k_data['open']>k_data['close'].rolling(10).mean()*0.95) & \
(k_data['open']<k_data['close'].rolling(10).mean()*1.05) & \
(main_net_rank>=0.8)
if selected_data.any():
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。
