(iwencai选股策略)集中度70_20%_、前日实际换手率_3～28、今日增仓占比_5

问财量化选股策略逻辑

今日增仓占比>5%,前日实际换手率>3～28,集中度70<20%

选股逻辑分析

该策略的逻辑是基于股票的成交量和换手率来筛选股票。具体来说，该策略要求股票在最近一天的成交量大于5%，并且前一个交易日的换手率在3%到28%之间。同时，该策略还要求股票的集中度要小于20%。

该策略的目的是筛选出那些有较高交易活跃度和低集中度的股票，这些股票可能具有较好的投资价值。然而，需要注意的是，该策略可能无法筛选出那些流动性较差的股票，因为这些股票的成交量和换手率可能较低。

有何风险？

该策略的潜在风险包括市场风险、流动性风险和操作风险。市场风险是指股票市场的波动性，可能会导致投资者的收益受到损失。流动性风险是指某些股票的流动性较差，可能无法在短时间内完成交易，从而导致投资者无法及时调整投资组合。操作风险是指投资者在执行交易时可能出现失误，从而导致投资损失。

如何优化？

为了优化该策略，可以考虑以下几点：

1. 考虑加入更多的筛选条件，例如股票的价格、市值、行业等，以提高策略的准确性和可靠性。

2. 考虑加入技术分析指标，例如移动平均线、布林线等，以更好地分析股票的价格走势和交易量。

3. 考虑加入量化交易模型，例如趋势跟踪模型、均值回归模型等，以更好地预测股票的价格走势和交易量。

最终的选股逻辑

最终的选股逻辑如下：

def select_stock():
    # 获取所有A股股票的代码和基本信息
    stock_codes = get_stock_codes()
    stock_info = get_stock_info(stock_codes)
    
    # 筛选出成交量大于5%且换手率在3%到28%之间的股票
    stocks = []
    for code, info in stock_info.items():
        if info['volume'] > 5 and info['turnover'] > 3 and info['turnover'] < 28:
            stocks.append(code)
    
    # 筛选出集中度小于20%的股票
    stocks = [code for code in stocks if stock_info[code]['concentration'] < 20]
    
    # 返回筛选后的股票代码列表
    return stocks

python代码参考

import tushare as ts

# 获取所有A股股票的代码和基本信息
def get_stock_codes():
    # 初始化pro接口
    pro = ts.pro_api()
    # 获取所有A股股票的代码和基本信息
    codes = pro.index_basics()
    # 返回代码列表
    return codes

# 获取股票的基本信息
def get_stock_info(codes):
    # 初始化pro接口
    pro = ts.pro_api()
    # 获取股票的基本信息
    info = pro.index_basic(codes)
    # 返回信息字典列表
    return info

# 筛选出成交量大于5%且换手率在3%到28%之间的股票
def select_stock():
    # 获取所有A股股票的代码和基本信息
    stock_codes = get_stock_codes()
    stock_info = get_stock_info(stock_codes)
    
    # 筛选出成交量大于5%且换手率在3%到28%之间的股票
    stocks = []
    for code, info in stock_info.items():
        if info['volume'] > 5 and info['turnover'] > 3 and info['turnover'] < 28:
            stocks.append(code)
    
    # 返回筛选后的股票代码列表
    return stocks

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。