(supermind)振幅大于1、前25天有涨停、换手率_2%且_9%_

问财量化选股策略逻辑

选股逻辑为振幅大于1，前25天至少有1次涨停，且换手率在2%~9%之间，进入待投资池。

选股逻辑分析

1. 振幅大于1表明该股票波动性较大，可能存在较大涨幅和收益；
2. 前25天至少有1次涨停的股票代表市场对该股票认可度较高，市场情绪可能较好；
3. 换手率在2%~9%之间的股票，意味着该股票有相对稳定量能和市场认可度，并具有相对较高的可投资性；
4. 综合以上三个指标，筛选出波动性较大、市场认可度较高、并具有相对稳定量能和可投资性的股票，可能具有较大收益。

有何风险？

1. 选股结果基于历史数据，未必能够准确预测未来股票表现；
2. 忽略了更多维度的因素，可能造成筛选偏差；
3. 换手率在区间内并不能保证股票具有可投资价值。

如何优化？

1. 综合考虑股票估值、成长性等因素；
2. 按照不同行业、市值等维度，进行分组和筛选，以减小行业集中度和个股风险；
3. 可以考虑加入股票财务数据等因素。

最终的选股逻辑

选取振幅大于1，前25天至少有1次涨停，且换手率在2%~9%之间的股票进入待投资池。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// 前25天至少有1次涨停
COND2:=REF(HIGH=LOW AND HIGH/REF(CLOSE,1)>1.097, COUNT-1)>(COUNT-25);
// 换手率在2-9%之间
CONDDIV:=IF(CLOSE>OPEN,(CLOSE-OPEN)/OPEN,(OPEN-CLOSE)/CLOSE);
VOLRANK:=(RANK(VOL)/COUNT)*100;
COND3:=VOLRANK>=2 AND VOLRANK<=9 AND CONDDIV<0.1;
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3;
SIGNAL:=CHECKCOND(CONDITION, 1);

Python代码参考

import pandas as pd
import akshare as ak
from datetime import datetime, timedelta
from talib import abstract

def get_trade_data(stock_code):
    stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
    stock_df.rename(columns={"日期":"date","开盘":"open","最高":"high","最低":"low","收盘":"close","成交量":"volume","成交额":"amount", "竞买价": "bid", "竞卖价": "ask", "竞买量":"bid_volume", "竞卖量":"ask_volume", "流通市值":"CIRC", "未清偿券余量":"JGBVOLUME", "未清偿券简称":"JGBSHORTNAME"}, inplace=True)
    stock_df.sort_values("date", ascending=True, inplace=True)
    # 振幅大于1
    cond1 = (stock_df['high'] - stock_df['low']) / stock_df['low'] > 0.01
    # 前25天至少有1次涨停
    cond2 = (stock_df['high'] == stock_df['low']) & (stock_df['high'] / stock_df['close'].shift(1) > 1.097)
    cond2 = cond2.rolling(window=25, min_periods=1).sum() >= 1
    # 换手率在2~9%之间
    cond3 = ((stock_df['close'] - stock_df['open']) / stock_df['open']).abs() < 0.1
    vol_rank = stock_df['volume'].rank(pct=True) * 100
    cond3 = cond3 & (vol_rank >= 2) & (vol_rank <= 9)
    # 综合条件
    basic_cond = cond1 & cond2 & cond3
    df = stock_df.loc[basic_cond].sort_values('close', ascending=False).reset_index(drop=True)
    return df

def select(df):
    return df

    ## 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)