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,近25个交易日有单日涨幅大于等于百分之10。
选股逻辑分析
该选股逻辑综合考虑了交易活跃度、短期走势和股价波动等因素，选出活跃度高、趋势明显且股价波动大的标的资产。换手率3%-12%保证了一定程度的流动性和交易活跃度，开盘价在十日线左右可以过滤掉短期走势不佳的标的资产，而近25个交易日有单日涨幅大于等于百分之10则显现出股价波动较大的趋势。该策略比较全面地考虑了多方面的因素，可以筛选出比较优秀的标的资产。
有何风险？
该选股逻辑无法考虑公司的财务实力、基本面以及行业地位等因素，可能存在较大的风险。另外，策略中选取了单日涨幅大于等于百分之10的标准可能会降低筛选出的标的资产数量，导致较小的样本量可能会让策略有一定的过拟合问题。
如何优化？
可以在选股条件中加入一些基本面和财务指标等长期价值因素，以更加完善的维度选择优秀的标的资产；另外，也可以通过合理的调整策略参数和指标方案，有效控制过度拟合的风险问题。
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、近25个交易日有单日涨幅大于等于百分之10。
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 (EXIST(C/REF(C,1)>=1.1,25) >= 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A股个股财报数据
selected_stocks = []
for code in df['code']:
k_data = api.get_k_data(code, 'D')
if k_data is not None and len(k_data)>25 and k_data.iloc[-1]['close']>0 \
and np.max([(tmp-k_data.iloc[i-1]['close'])/k_data.iloc[i-1]['close']*100 for i, tmp in enumerate(k_data.iloc[-25:]['close'])]) >= 10:
tmp_df = pd.DataFrame(k_data)
if df[df['code']==code]['market_type'].values[0] != '北京' \
and tmp_df['turnover_ratio'].quantile(0.7)>=0.03 \
and tmp_df['turnover_ratio'].quantile(0.7)<=0.12 \
and tmp_df['open'].median()>=tmp_df['close'].rolling(10).mean()*0.95 \
and tmp_df['open'].median()<=tmp_df['close'].rolling(10).mean()*1.05:
selected_stocks.append({'code': code, 'name': df[df['code']==code]['name'].values[0], 'market_type':df[df['code']==code]['market_type'].values[0], 'circulation_mv': tmp_df['circulation_mv'].quantile(0.7)})
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。
