问财量化选股策略逻辑
选股逻辑为：振幅大于1、换手率>2%且<9%、昨日非涨停板的股票。该选股策略主要以振幅、换手率等指标衡量股票波动性，并筛选出昨日未涨停的股票。
选股逻辑分析
该选股策略考虑股票交易量和价格走势，筛选出振幅较大，具有一定波动性的股票，同时限定了换手率，筛选出市场关注度较高的股票。最后，通过昨日未涨停来判断这些股票是否具有上涨空间。
有何风险？
该选股策略存在以下不足与风险：首先，该策略仅引入了三个简单的条件，不能全面考虑股票的投资价值；其次，由于股票市场的复杂性和不稳定性，该策略不能保证选股的成功率。
如何优化？
该选股策略可以引入更多的评价指标，如财务数据、行业数据等，以更全面、准确地评估股票的投资价值。适当加强对市场热点、政策变化等的跟踪分析，根据市场情况进行灵活调整。
最终的选股逻辑
选股条件为：振幅大于1、换手率>2%且<9%、昨日非涨停板的股票。该选股策略需要综合考虑众多因素进行全面、准确的评估和操作。
同花顺指标公式代码参考
选股条件为：振幅大于1、换手率>2%且<9%、昨日非涨停板的股票。
C1: ABS((HIGH/LOW-1)*100)>=1;//振幅大于1
C2: TURNOVER>2 AND TURNOVER<9;//换手率大于2%小于9%
C3: NOT(SETGROWTH(1)==100);//昨日非涨停板
SYMBOL: C1 AND C2 AND C3;
python代码参考
import pandas as pd
import tushare as ts
import datetime
def select_stocks(length):
ts.set_token('your token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.stock_basic(list_status='L', exchange='SSE', fields='ts_code,symbol,name,industry,list_date')
current_date = (datetime.datetime.now() - datetime.timedelta(days=2)).strftime("%Y%m%d")
df_list = []
# 筛选符合条件的股票
for index, row in stock_data.iterrows():
code = row['ts_code']
info = {}
info['code'] = code
info['name'] = row['name']
# 获取技术数据
tech_data = pro.weekly(ts_code=code, end_date=datetime.datetime.now().strftime("%Y%m%d"), fields='open, high, low, vol, trade_date, ma5, ma10')
if tech_data.empty:
continue
if tech_data.iloc[-1]['high'] - tech_data.iloc[-1]['low'] <= 0 or tech_data.iloc[-1]['vol'] / pro.stock_basic(ts_code=code).iloc[0]['total_share'] <= 0.02 or tech_data.iloc[-1]['vol'] / pro.stock_basic(ts_code=code).iloc[0]['total_share'] >= 0.09 or pro.margin_detail(ts_code=code, trade_date=pd.to_datetime('yesterday').strftime("%Y%m%d")).empty:
continue
# 添加股票
df_list.append(info)
selected_stocks = pd.DataFrame(df_list).head(length)
return selected_stocks
致辞
本次问答为选股逻辑：振幅大于1,换手率>2%且<9%,昨日非涨停板的问答。该策略的条件较为简单，缺乏对编码和行业数据等方面的考虑，需要在实际应用中加以补充和完善，以提高选股的成功率。
## 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。
