问财量化选股策略逻辑
选股逻辑为振幅大于1，10天内涨停天数大于2，换手率3%-12%。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略基于以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 10天内涨停天数大于2，说明该股票存在一定的热度；
- 换手率在3%-12%之间，同时能够在波动和交易机会之间寻找平衡。
有何风险？
该选股逻辑可能存在以下风险：
- 过度追逐交易机会和热点，忽略风险控制和价值投资；
- 选股条件较单一，可能过于死板，忽略市场大环境和风险控制；
- 选股条件较简单，可能被过多投资者所使用，导致该策略的有效性降低。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 结合多个普及较广的技术指标，如KDJ、RSI等指标进行分析，充分考虑市场大环境和行情走势；
- 结合基本面的分析，如利润、财报等指标进行价值投资；
- 适当调整选股条件，灵活应对市场情况和风险控制；
- 继续研究其他选股条件，例如市盈率、市净率等指标，寻找更加准确的选股方式。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，10天内涨停天数大于2，换手率在3%-12%之间；
- 结合多个普及较广的技术指标，如KDJ、RSI等指标进行分析；
- 结合基本面的分析，如利润、财报等指标进行价值投资；
- 适当调整选股条件，灵活应对市场情况和风险控制；
- 继续研究其他选股条件，例如市盈率、市净率等指标，寻找更加准确的选股方式。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，10天内涨停天数大于2，换手率在3%-12%之间 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND COUNT(IF(HIGH==REF(HIGH,1) LIMIT 1), 10) > 2 AND (TURNRATE>=3 AND TURNRATE<=12)
LIMIT 10
注：以上代码需要在同花顺的选股界面中进行填充，其中COUNT和IF为同花顺自带的函数，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
import talib
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取股票基本信息 ####
rs_basic_info = bs.query_stock_basic()
#### 获取数据 ####
selected_code = []
for code in rs_basic_info[(rs_basic_info['marketType']=='沪A')|(rs_basic_info['marketType']=='深A')]['code'].tolist():
#### 获取行情数据 ####
rs_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume",
start_date=datetime(2021, 1, 1).strftime('%Y-%m-%d'),
end_date=datetime(2021, 12, 31).strftime('%Y-%m-%d'),
frequency="d", adjustflag="3")
data = rs_data.get_data()
if len(data) == 0:
continue
#### 计算选股条件 ####
condition1 = (data['high']-data['low']).iloc[-1]/data['close'].iloc[-1]*100 > 1
condition2 = len(talib.CDLUPSIDEGAP2CROWS(data['open'].values, data['high'].values, data['low'].values, data['close'].values)) > 2
condition3 = data['turnoverRate'].iloc[-1]>=3 and data['turnoverRate'].iloc[-1]<=12
condition4 = talib.KDJ(data['high'].values, data['low'].values, data['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[2][-1]>talib.KDJ(data['high'].values, data['low'].values, data['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[1][-1]\
and talib.KDJ(data['high'].values, data['low'].values, data['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[1][-2]<talib.KDJ(data['high'].values, data['low'].values, data['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[2][-2]\
and talib.KDJ(data['high'].values, data['low'].values, data['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[0][-2]<talib.KDJ(data['high'].values, data['low'].values, data['close'].values, fastk_period=9, slowk_period=3, slowd_period=3)[1][-2]
#### 判断是否满足条件 ####
if condition1 and condition2 and condition3 and condition4:
selected_code.append(code)
#### 登出系统 ####
bs.logout()
return selected_code
注：以上python代码需要安装baostock、pandas、TA-Lib等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
