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%、现量大于1万手、高开的股票。该选股策略主要考虑了股票的波动性、市场交易情况以及走势特征，旨在寻找近期表现优异的个股。
选股逻辑分析
该选股策略主要包含四个条件，分别为振幅大于1、换手率大于2%小于9%、现量大于1万手以及高开。振幅大于1可以较好地筛选出波动性较大的股票，换手率大于2%小于9%表明了股票市场的交易活跃程度，现量大于1万手可以排除低流通量的股票，高开则是近期表现优异个股的一种常见特征。
有何风险？
该选股策略较为依赖股票的走势特征，存在选股风险，不能完全基于走势特征进行选股。同时，该选股策略忽略了股票基本面等因素对股票走势的影响。
如何优化？
可以加入其他指标辅助判断个股走势，如相对强势指标、动量指标等方面。同时，可以结合基本面等因素进行综合考虑，以更为全面的方式进行选股。除此之外还可以考虑加入风控指标，如死亡交叉等。
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%、现量大于1万手、高开的股票。该选股策略主要考虑了股票的波动性、市场交易情况以及走势特征。
同花顺指标公式代码参考
选股条件为：振幅大于1、换手率大于2%小于9%、现量大于1万手、高开的股票。
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: VOL>10000;//现量大于1万手
C4: OPEN/HIGH>0.95;//高开
SYMBOL: C1 AND C2 AND C3 AND C4;
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()
# 筛选符合条件的股票
df_list = []
for i in range(1, 10):
trade_date = (datetime.datetime.today() - datetime.timedelta(days=i)).strftime('%Y%m%d')
# 获取股票基本面数据
basic_data = pro.daily_basic(trade_date=trade_date, fields='ts_code,turnover_rate,volume')
if basic_data.empty:
continue
# 筛选符合条件的股票
for index, row in basic_data.iterrows():
if row['turnover_rate'] < 2 or row['turnover_rate'] > 9:
continue
if row['volume'] <= 10000:
continue
tech_data = pro.daily(ts_code=row['ts_code'], start_date=trade_date, end_date=trade_date, fields='open,high')
if tech_data.empty:
continue
if tech_data.iloc[0]['open']/tech_data.iloc[0]['high'] <= 0.95:
continue
info = {}
info['code'] = row['ts_code']
# 获取企业名称
info['name'] = pro.stock_basic(ts_code=row['ts_code'], fields='name').iloc[0]['name']
# 添加股票
df_list.append(info)
# 根据个股热度排序
selected_stocks = pd.DataFrame(df_list)
selected_stocks = selected_stocks.head(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%、现量大于1万手、高开的股票的问答。该选股策略主要考虑了股票的波动性、市场交易情况以及走势特征，较为全面地筛选出近期表现优异股票。
## 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。
