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、现量大于1万手且当天开盘价高于昨天收盘价的股票。
选股逻辑分析
该选股逻辑结合了交易活跃度、价格趋势和市场热度等因素，选出的股票可能会有比较大的涨幅，适合短线投资者。
有何风险？
该选股逻辑侧重于短期因素，忽略了公司实际财务情况、行业竞争力等因素，筛选出的股票可能具有较大的风险，不适合长期投资者。同时，对于高开且现量大于1万手的要求，可能会将一些股票排除在外，错过了一些潜在的机会。
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。同时，应该对于高开且现量大于1万手的标准进行适当调整，避免错过一些潜在机会。
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、现量大于1万手且当天开盘价高于昨天收盘价的股票。
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 (VOLUME > 10000) AND (OPEN > REF(CLOSE, 1))
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
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) & \
(k_data['volume']>10000) & \
(k_data['open']>k_data['close'].shift(1)) & \
(k_data['name'].str.contains('科技') | k_data['name'].str.contains('信息')) # 仅保留科技、信息相关股票
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。
