(问财量化交易策略)换手率3%-12%_、涨幅

问财量化选股策略逻辑

高点为两日最高,涨幅<2.6且涨幅>-5,换手率3%-12%

选股逻辑分析

这个策略的逻辑是基于股票价格和换手率的。首先，股票需要在两天内达到最高价，这表明股票价格有上涨的趋势。其次，股票的涨幅需要小于2.6，这表明股票价格的上涨趋势不是特别强烈。最后，股票的换手率需要在3%到12%之间，这表明股票的交易活跃度适中。

有何风险？

这个策略的潜在风险是过于保守。由于策略要求股票价格涨幅小于2.6，因此可能会错失一些有潜力的股票。此外，如果股票的换手率过低，可能会导致交易不够活跃，从而影响股票的表现。

如何优化？

为了优化这个策略，可以考虑放宽对涨幅的要求，例如将涨幅限制放宽到3%。此外，可以考虑增加对换手率的限制，例如将换手率限制放宽到5%。这样可以增加策略的灵活性，从而更好地捕捉股票的上涨机会。

最终的选股逻辑

高点为两日最高,涨幅<3.6且涨幅>-5,换手率3%-12%

python代码参考

import talib

def get_top_price_change_date(symbol):
    # 获取股票的历史最高价和最低价
    high_prices = talib.MAX(symbol, timeperiod=1)
    low_prices = talib.MIN(symbol, timeperiod=1)
    
    # 获取股票的两日最高价和最低价
    top_price = talib.MAX(symbol, timeperiod=2)
    bottom_price = talib.MIN(symbol, timeperiod=2)
    
    # 获取股票的涨幅
    price_change = top_price - bottom_price
    
    # 获取股票的换手率
    volume = talib.VOL(symbol, timeperiod=1)
    open_price = talib.MAX(symbol, timeperiod=1)
    close_price = talib.MIN(symbol, timeperiod=1)
    adjusted_close_price = close_price / open_price
    turnover = volume / adjusted_close_price
    
    # 获取股票的交易日数
    days = len(symbol.history())
    
    # 获取股票的两日最高价和最低价
    top_price_change_date = days - 2
    
    return top_price_change

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(问财量化交易策略)换手率3%-12%_、涨幅_2