问财量化选股策略逻辑
选股逻辑为：振幅大于1，换手率大于2%小于9%，剔除昨日涨停。该选股策略主要从市场交易情况和资金流入流出两个角度进行综合考虑。
选股逻辑分析
该选股策略主要从市场交易情况和资金流入流出两个角度进行综合考虑。振幅和换手率反映了市场交易情况，而剔除昨日涨停可以避免短期的涨停板效应。该选股策略对市场情况的综合考虑，使其具有一定的可操作性。
有何风险？
该选股策略过于注重近期市场情绪和资金流入流出情况，而未考虑公司的基本面和财务情况。同时对昨日涨停板效应的剔除可能会削弱短期趋势中的收益。选出的股票可能存在短期投机价值，而不能提供长期投资价值。
如何优化？
应结合其他市场指标如MACD等与资金流入流出情况相结合，综合考虑。此外还应结合基本面、财务指标等因素，综合分析，以获取更长期的投资收益。同时要控制投资仓位和风险，严格止盈止损，及时调整投资组合。考虑加入市场整体情况等指标，缩小选股范围以提高绩效。
最终的选股逻辑
选股条件为：振幅大于1，换手率大于2%小于9%，剔除昨日涨停。该选股策略主要从市场交易情况和资金流入流出两个角度进行综合考虑。
同花顺指标公式代码参考
C1: ABS((HIGH/LOW-1)*100)>=1; //振幅大于1
C2: TURNOVER_RATE>2 AND TURNOVER_RATE<=9; //换手率大于2%小于9%
C3: (NOT(YESTERDAY(CLOSE)=YESTERDAY(UPPER(CLOSE, 1)))) AND (PREVIOUSDAY(CLOSE)!=UPPER(CLOSE, 1)); // 剔除昨日涨停
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name')
# 筛选符合条件的股票
df_list = []
for i in range(len(data)):
code = data.iloc[i]['ts_code']
# 判断是否符合要求
k_data = pro.daily(ts_code=code, start_date='20220101', end_date='20220601')
if k_data.empty:
continue
if abs((k_data.iloc[-1]['high'] / k_data.iloc[-1]['low'] - 1) * 100) < 1: # 振幅小于1
continue
turnover_rate = k_data.iloc[-1]['vol'] / (k_data.iloc[-2]['vol'] + k_data.iloc[-3]['vol'] + k_data.iloc[-4]['vol']) * 100 # 换手率
if turnover_rate < 2 or turnover_rate > 9: # 换手率不在2%~9%之间
continue
prev_close = k_data.iloc[-2]['close']
if k_data.iloc[-1]['close'] >= prev_close * 1.1: # 剔除昨日涨停
continue
info = {}
info['ts_code'] = code
info['name'] = data.iloc[i]['name']
df_list.append(info)
# 随机选择一定数量的股票
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.sample(n=length)
return selected_stocks
致辞
本次问答为选股逻辑：振幅大于1，换手率大于2%小于9%，剔除昨日涨停的问答。该选股策略主要从市场交易情况和资金流入流出两个角度进行综合考虑。所给出的通达信指标公式参考和python代码参考仅供参考，读者可以根据实际情况进行优化和修改。
## 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。
