(i问财选股策略)换手率_2%且_9%_、昨日成交额大于6千万、今日增仓占比_5%

问财量化选股策略逻辑

• 今日增仓占比>5%
• 昨日成交额大于6千万
• 换手率>2%且<9%

选股逻辑分析

这个策略的逻辑是基于股票的成交量和换手率来筛选股票。首先，股票的成交量需要大于6千万，这表明该股票有一定的交易活跃度。其次，股票的换手率需要大于2%且小于9%，这表明该股票的流动性较好，但不至于过于活跃。最后，股票的今日增仓占比需要大于5%，这表明机构投资者对该股票有一定的买入兴趣。

有何风险？

这个策略的风险主要在于它只考虑了股票的成交量和换手率，而忽略了其他因素，例如公司的财务状况、行业前景等。此外，如果机构投资者在买入股票后迅速卖出，可能会导致股票价格的大幅波动。

如何优化？

为了优化这个策略，可以考虑加入其他因素，例如公司的财务状况、行业前景等。此外，可以使用技术分析方法来筛选股票，例如使用移动平均线、布林线等来判断股票的价格走势。

最终的选股逻辑

• 今日增仓占比>5%
• 昨日成交额大于6千万
• 换手率>2%且<9%
• 使用移动平均线、布林线等技术分析方法判断股票价格走势

python代码参考

import talib

def get筛选条件():
    # 获取今日增仓占比
    v1 = talib.VOLatility(get_stock_data('600036', start_date='2021-01-01', end_date='2021-01-01'))
    v2 = talib.VOLatility(get_stock_data('600036', start_date='2021-01-02', end_date='2021-01-02'))
    v1_ratio = v1 / v2
    # 获取昨日成交额
    c1 = get_stock_data('600036', start_date='2021-01-01', end_date='2021-01-01').get_value('close')
    c2 = get_stock_data('600036', start_date='2021-01-02', end_date='2021-01-02').get_value('close')
    c1_ratio = c1 / c2
    # 获取换手率
    r1 = get_stock_data('600036', start_date='2021-01-01', end_date='2021-01-01').get_value('turnover')
    r2 = get_stock_data('600036', start_date='2021-01-02', end_date='2021-01-02').get_value('turnover')
    r1_ratio = r1 / r2
    # 判断是否满足筛选条件
    if v1_ratio > 0.05 and c1_ratio > 0.05 and r1_ratio > 0.05 and r1_ratio < 0.09:
        return True
    else:
        return False

def get_stock_data(stock_code, start_date, end_date):
    # 获取股票数据
    df = pd.read_csv('stock_data.csv')
    df = df[df['code'] == stock_code]
    df = df[df['date'] >= start_date]
    df = df[df['date'] <= end_date]
    return df

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。