问财量化选股策略逻辑
- 今日增仓占比>5%
- 竞价主力净买大于0
- 换手率>2%且<9%
选股逻辑分析
以上三个条件分别代表了股票的买入意愿、市场活跃度和筹码分散程度。其中，今日增仓占比表示最近一段时间内，股票的买入意愿较强，有可能出现上涨行情；竞价主力净买大于0表示市场资金在积极买入股票，也有可能出现上涨行情；换手率>2%且<9%表示股票的筹码分散程度适中，有利于行情的延续。
有何风险？
以上三个条件虽然可以作为买入股票的参考，但并不代表股票一定会上涨。在实际操作中，还需要结合其他因素进行分析和判断，以降低投资风险。
如何优化？
为了进一步提高选股的准确性和可靠性，可以考虑加入更多的条件和指标，例如股票的盈利能力、财务状况、行业背景等。同时，还可以结合技术分析和基本面分析，对股票进行更加全面和深入的分析和判断。
最终的选股逻辑
以下是一个基于以上三个条件的简单量化选股策略：
import tushare as ts
# 设置token
ts.set_token('your_token_here')
# 初始化pro接口
pro = ts.pro_api()
# 获取今天所有股票的换手率数据
data = pro.trade_cal('000001.SZ', 'trade_date', '2021-01-01', '2021-01-01')
trades = data['trade']
# 计算每个股票的换手率
trades['trades'] = trades['trades'] / trades['amount']
trades['trades'] = trades['trades'].apply(lambda x: x if x > 0 else 0)
# 获取今天所有股票的买入意愿数据
data = pro.query('000001.SZ', 'trade_date', '2021-01-01', '2021-01-01')
orders = data['orders']
# 计算每个股票的买入意愿
orders['orders'] = orders['orders'] / orders['amount']
orders['orders'] = orders['orders'].apply(lambda x: x if x > 0 else 0)
# 获取今天所有股票的市场活跃度数据
data = pro.query('000001.SZ', 'trade_date', '2021-01-01', '2021-01-01')
orders = data['orders']
# 计算每个股票的市场活跃度
orders['orders'] = orders['orders'] / orders['amount']
orders['orders'] = orders['orders'].apply(lambda x: x if x > 0 else 0)
# 选择今天所有股票中符合三个条件的股票
selected = trades[(trades['trades'] > 2) & (trades['trades'] < 9) & (orders['orders'] > 0)]
# 输出符合条件的股票代码和换手率、买入意愿、市场活跃度数据
print(selected[['trade_date', 'trades', 'orders', 'trades/amount', 'orders/amount']])
以上代码使用了tushare库获取股票数据，并通过计算换手率、买入意愿和市场活跃度三个指标，筛选出符合条件的股票。最后，输出符合条件的股票代码和换手率、买入意愿、市场活跃度数据。需要注意的是，以上代码只是一个简单的示例，实际使用时还需要根据具体情况进行调整和优化。
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。
