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、未清偿可转债简称不可为空的股票。
选股逻辑分析
该选股逻辑主要考虑了市场交易活跃度和股票价格趋势等因素，以及公司的债务融资情况，选出的股票具有一定的投资价值和安全性。
有何风险？
该选股逻辑忽略了其他重要因素，如公司基本面、行业竞争等，可能存在一些潜在风险。此外，该选股逻辑对于可转债的要求可能导致一些潜在机会被排除在外。
如何优化？
可结合公司的财务情况、行业竞争力等指标进行筛选，降低选股模型的误判率。此外，也可适当放宽关于可转债的要求，以充分利用市场上的潜在机会。
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、未清偿可转债简称不为空的股票。
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 (NOT EMPTY CONVERTBONDNAME)
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)
convert_bond_info = api.get_convert_bond(code) # 获取可转债信息
if k_data is not None and len(convert_bond_info)>0 and convert_bond_info['NAME'].iloc[0]!='': # 判断可转债简称是否为空
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)
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。
