问财量化选股策略逻辑
选股逻辑为：振幅大于1、未清偿可转债简称不可为空、10天内涨停天数大于2的股票。该选股策略主要通过振幅和未清偿可转债简称等基本面指标，以及涨停天数等技术面指标，选出过去一段时间表现趋势良好的股票。
选股逻辑分析
该选股逻辑加入了技术面中涨停天数等指标，选出过去一段时间表现比较稳定的股票。同时加入了振幅和未清偿可转债简称等基本面指标，提高了选股的安全性。
有何风险？
该选股策略忽略了一些可能具备高成长性但规模较小的公司，同时技术面指标的可靠性有一定局限性，小节会产生错误的判断。
如何优化？
建议结合更多基本面指标进行选股，如市盈率、市净率等，综合考虑更为全面的投资价值。同时，对技术分析指标进行进一步优化，如加入缠论等技术面分析方法。
最终的选股逻辑
对于A股市场来说，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、10天内涨停天数大于2的股票，按涨停天数从大到小排序名。
同花顺指标公式代码参考
(BOND_FULL_NAME != '' AND LEFT(RIGHT(CODE, 4), 1) != '3') AND (VOL / (CAPITAL * PRICE) > 0.01) AND (C>REF(C, 1) AND C/B<1.098 AND C/B>1.09 AND N>=L OR C>REF(C, 2) AND C/B<1.17647 AND C/B>1.1667 AND N>=L-3 OR C>REF(C, 3) AND C/B<1.33333 AND C/B>1.25 AND N>=L-6) ORDER BY COUNT(C=HIGH), COUNT
以上为计算选股逻辑的通达信指标公式，按涨停天数从大到小排序名。其中，代码中技术面选股指标为10天内涨停次数大于2天的条件为C>REF(C, 1) AND C/B<1.098 AND C/B>1.09 AND N>=L OR C>REF(C, 2) AND C/B<1.17647 AND C/B>1.1667 AND N>=L-3 OR C>REF(C, 3) AND C/B<1.33333 AND C/B>1.25 AND N>=L-6。可根据实际投资需求进行修改。
Python代码参考
import tushare as ts
import pandas as pd
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
all_stocks = [ts_code for ts_code, name in pro.stock_basic(exchange='', list_status='L', fields='ts_code,name').values.tolist() if name[0]!='S' and '创业板' not in name and '科创板' not in name and '退' not in name]
for ts_code in all_stocks:
finance_data = pro.query('fina_indicator', ts_code=ts_code, fields=['industry'])
if finance_data.empty:
continue
daily_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=31)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))
if daily_data.empty:
continue
if daily_data.iloc[0]['high_limit'] == daily_data.iloc[0]['low_limit']:
continue
if (daily_data.iloc[-1]['high'] - daily_data.iloc[-1]['low'])/daily_data.iloc[-1]['low'] <= 0.01:
continue
if (daily_data['close'] == daily_data['high_limit']).sum() <= 2:
continue
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name')
if all_data.empty:
continue
if not (all_data.iloc[0]['exchange']=='SZSE' and all_data.iloc[0]['list_status']=='L' and all_data.iloc[0]['area']=='华南' and all_data.iloc[0]['industry']!='金融行业'):
continue
selected_stocks.append((all_data.iloc[0]['pro_name'], ts_code))
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: (pro.daily(ts_code=x[1], start_date=(pd.Timestamp.now() - pd.Timedelta(days=10)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))['high_limit']/pro.daily(ts_code=x[1], start_date=(pd.Timestamp.now() - pd.Timedelta(days=10)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))['close']).sum(), reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、10天内涨停天数大于2的股票，按涨停天数从大到小排序名。可在代码中自定义选股指标的筛选条件，根据实际投资需求进行选股。
## 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。
