问财量化选股策略逻辑
本选股策略选取满足振幅大于1、今日最大跌幅小于-4且大于-5、涨跌幅×超大单净量的股票作为投资标的。
选股逻辑分析
本选股策略主要基于技术面选股和资金面选股。振幅大于1和今日最大跌幅小于-4且大于-5反映了股票短期内的价格波动情况，而涨跌幅×超大单净量反映了股票短期内的资金流入流出情况。相较于单一的技术面选股，资金面选股可以更全面地了解市场和投资者的情绪，从而更为准确地判断股票的走势。
有何风险？
本选股策略存在市场风险和数据风险。其中，市场风险是最主要的风险之一，尤其是在市场突发事件和大盘震荡时，选股策略的稳定性可能受到影响。此外，数据质量不佳或者数据间的关联性较弱也会影响选股策略的准确性。
如何优化？
本选股策略可以结合其他技术指标和资金面指标来进行优化，如MACD、RSI、OBV等，以增加策略的准确性和稳定性。同时，需要对各种指标进行权重调整和优化，以确保策略的整体表现。另外，需要注意数据质量的问题，应选择可靠的数据来源，并进行数据清洗和处理，以减少数据风险。
最终的选股逻辑
本选股策略选取满足以下条件的股票：
- 振幅大于1；
- 今日最大跌幅小于-4且大于-5；
- 涨跌幅×超大单净量为正数。
同花顺指标公式代码参考
- 涨跌幅：
CHANGE=(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)*100 - 超大单净量：
NETVOLUME5=VOLUME*((CLOSE-OPEN)/(HIGH-LOW)>0.8)AND(VOLUME>MA(VOLUME,5)) - 涨跌幅×超大单净量：
RESULT=CHANGE*NETVOLUME5
python代码参考
import tushare as ts
# 判断是否满足选股逻辑
def select_logic(stock):
# 振幅
df = ts.get_k_data(stock, ktype='D')
if df.iloc[-1]['high'] - df.iloc[-1]['low'] <= df.iloc[-2]['close'] * 0.01:
return False
# 今日最大跌幅
if df.iloc[-1]['low'] > df.iloc[-2]['close'] * 0.96:
return False
# 涨跌幅×超大单净量
today_chg = (df.iloc[-1]['close'] - df.iloc[-2]['close']) / df.iloc[-2]['close'] * 100
net_volume5 = ts.get_sina_dd(stock, date=df.iloc[-1]['date'], vol=50000).iloc[:, 4].sum() > 0
if not (today_chg * net_volume5 > 0):
return False
return True
# 选取满足条件的股票
def select_stock():
selected_stocks = []
all_stocks = ts.get_stock_basics()
for stock in all_stocks.index:
if all_stocks.loc[stock, 'name'][0] == '*':
continue
if all_stocks.loc[stock, 'outstanding'] * all_stocks.loc[stock, 'price'] > 1000:
continue
if all_stocks.loc[stock, 'pb'] > 3:
continue
if all_stocks.loc[stock, 'pe'] > 50:
continue
if not select_logic(stock):
continue
selected_stocks.append(stock)
return selected_stocks
print(select_stock())
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。
