问财量化选股策略逻辑
选取振幅大于1、机构资金动向大于0、底部抬高的股票作为选股对象。
选股逻辑分析
除了考虑振幅和机构资金动向这两个因素外，该选股逻辑还引入了底部抬高的条件，旨在寻找趋势向上的股票。
有何风险？
该策略可能忽略一些长期潜力较大、但出现短期调整的股票，依然存在一定的盲目性。同时，底部抬高可能受到一些不可控因素的影响，如宏观经济因素和政策因素等。
如何优化？
可以增加其他市场因素，如财务报表和公司基本面等信息，对选股进行综合考虑。另外，在判断底部抬高时，可以结合其他技术指标，如RSI和移动平均线等，以提高选股的准确性。
最终的选股逻辑
选取振幅大于1、机构资金动向大于0、底部抬高的股票作为选股对象，并综合考虑其他关键因素。
同花顺指标公式代码参考
// 筛选振幅大于1的股票
amplitude = (HIGH - LOW) / OPEN
amplitude_bool = amplitude > 1
// 筛选机构资金动向大于0的股票
FUND_NET_AMOUNT = IF(NETFAMOUNT>0,NETFAMOUNT,0)
sum_fund_net_amount = SUM(FUND_NET_AMOUNT, 5)
fund_trend_bool = sum_fund_net_amount > 0
// 筛选底部抬高的股票
BOTTOM = LLV(LOW, 20)
bottom_raise_bool = REF(CLOSE, 5) > BOTTOM
// 筛选符合条件的股票
result = amplitude_bool & fund_trend_bool & bottom_raise_bool
// 输出筛选结果
result
Python代码参考
import tushare as ts
# 筛选条件1：振幅大于1
today_data = ts.get_today_all()
amplitude = (today_data['high'] - today_data['low']) / today_data['open']
amplitude_bool = amplitude > 1
# 筛选条件2：机构资金动向大于0
fund_data = ts.fund_holdings(2020, 3)
sum_fund_net_amount = fund_data.groupby('code')['net_amount'].sum().fillna(0)
fund_trend_bool = sum_fund_net_amount > 0
# 筛选条件3：底部抬高
bottom_data = ts.get_k_data('000001', index=True)
bottom = bottom_data['low'].rolling(20).min()
bottom_raise_bool = today_data['close'].shift(5) > bottom.shift(5)
# 筛选符合条件的股票
result = amplitude_bool & fund_trend_bool & bottom_raise_bool
# 输出筛选结果
final_result = today_data.loc[result].sort_values(by=["turnoverratio"],ascending=False)
print(final_result)
注：以上为示例代码，请根据实际情况进行调整。
## 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。
