问财量化选股策略逻辑
选取振幅大于1、机构动向大于0、昨天换手率大于8%的股票作为选股对象。
选股逻辑分析
该选股策略综合考虑了市场波动、机构资金动向和股票市场活跃度等因素，振幅大于1可以筛选出波动性较强的股票，机构动向大于0表明大资金进入该股票，同时设置昨天换手率大于8%的条件，可以筛选出市场活跃度较高的股票。
有何风险？
该选股策略存在市场走势和时间点限制风险，机构资金动向和昨天的换手率可能存在虚高的情况，过分追求波动性和活跃度，忽略了公司基本面因素和长期潜力等因素，存在较大的投资风险和不确定性。
如何优化？
可以在振幅、资金动向和市场活跃度的基础上，加入更多的基本面因素和长期潜力等因素进行综合评估，从而更加全面地评估公司的投资价值。此外，可以考虑在不同时间点采取不同的选股策略、设置合理的风控机制，以规避部分投资风险。
最终的选股逻辑
综合考虑市场波动、机构资金动向和股票市场活跃度等因素，在满足投资需求和风险控制要求的前提下，筛选出具备投资价值的股票。
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
// 筛选昨天换手率大于8%的股票
turnover_rate_yes = REF(TURN, 1) / 100 // 这里将换手率缩小100倍
turnover_bool = turnover_rate_yes > 8
// 筛选机构动向大于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
// 筛选符合条件的股票
result = amplitude_bool & turnover_bool & fund_trend_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：昨天换手率大于8%
yesterday_data = ts.get_hist_data(today_data['code'][0], ktype="D", start="20220101", end="20220430")
turnover_rate_yes = yesterday_data['turnover'] / 100
turnover_bool = turnover_rate_yes > 8
# 筛选条件3：机构动向大于0
fund_data = ts.fund_holdings(2020, 3)
sum_fund_net_amount = fund_data.groupby('code')['net_amount'].sum()
fund_trend_bool = sum_fund_net_amount > 0
# 筛选符合条件的股票
result = amplitude_bool & turnover_bool & fund_trend_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。
