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、流通市值大于100亿元。
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、价格走势以及公司市值等因素，选出流通市值庞大且具备一定投资价值的股票。
有何风险？
该选股逻辑可能会忽略股票的基本面和盈利情况等因素，进而选出市场表现较差的股票。同时，该选股逻辑只考虑了流通市值这一市值因素，但忽略了总市值等多种市值指标的影响，存在一定的局限性。
如何优化？
可以将流通市值指标与其他市值指标综合考虑，例如总市值、市净率等指标。同时，可以综合考虑股票的业绩、行业竞争等基本面因素，以更全面地分析股票的投资价值。
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、流通市值大于100亿元的股票。
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 (TOTALMV/1000000000 > 100)
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'])
# 获取流通市值信息
mv_df = pd.read_csv('http://quotes.money.163.com/service/zhubi_ajax.html', dtype={'股票代码':str})
mv_dict = mv_df.set_index('股票代码')['总市值(万元)'].to_dict()
df['mv'] = df['code'].map(mv_dict)
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:
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) & \
(df[df['code']==code]['mv'].values[0]/1e8 > 100)
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。
