问财量化选股策略逻辑
本选股策略选取振幅大于1、今日均线向上发散、大单净量排行的股票作为投资标的。
选股逻辑分析
本选股策略依旧以技术面因素为主要考虑，增加了大单净量排行指标。振幅和均线作为基础选股条件，而大单净量排行则用于筛选股票流动性较好的股票，以提高投资效果。
有何风险？
该选股策略忽略了公司的基本面因素，如市盈率、市净率、股息率等，同时也忽略了市场风险的影响。同时，大单净量排名可能存在一些随机性，单一的指标可能无法充分考虑股票的真实情况。
如何优化？
可以基于该选股策略，增加其他基本面因素，如公司财务状况、公司业绩等，或者从行业、概念出发，综合考虑多重因素，增加选股策略的稳定性和准确性。对于大单净量排名，可以综合多个指标（如大单净量、换手率、每股收益等），进行一个权重的加权平均，提高排名的准确性。
最终的选股逻辑
本选股策略选取振幅大于1、今日均线向上发散、大单净量排行的股票作为投资标的。
同花顺指标公式代码参考
通达信指标公式代码：
//计算振幅
ACC = 100 * (HIGH - LOW) / REF(CLOSE,1);
//计算均线的斜率
MA_SLOPE = MA(CLOSE, 1) / MA(CLOSE, 5) - 1;
//计算大单净量
BigNetVol = SUM(IF(VOL > REF(VOL,1), VOL - REF(VOL,1), 0), 5);
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sz', cap=200, big_net_vol_rank=100):
selected_stocks = pd.DataFrame(columns=["amplitude", "ma_slope", "big_net_vol_rank"])
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'market'] != market:
continue
if ts.get_stock_basics().loc[stock, 'mktcap'] < cap:
continue
data = ts.get_hist_data(stock)
if data is None:
continue
if data["amplitude"][-1] < 1:
continue
# 今日均线向上发散
ma5 = data["close"].rolling(window=5).mean()
if not (data["close"][-1] > ma5[-2] and ma5[-2] > ma5[-1]):
continue
# 大单净量排行
vol_rank = ts.get_sina_dd(stock, date=None, vol=400).sort_values(by="net_amount", ascending=False)["code"].tolist().index(stock) + 1
if vol_rank > big_net_vol_rank:
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"][-1],
"ma_slope": ma5[-1] / ma5[-5] - 1,
"big_net_vol_rank": vol_rank
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sz', cap=200, big_net_vol_rank=100))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
