问财量化选股策略逻辑
本选股策略选取符合以下条件的股票：振幅大于1，今日最大跌幅在-5%和-4%之间，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万。通过筛选符合条件的股票，进行后续的投资操作。
选股逻辑分析
本选股策略综合考虑了价格波动、市场短期走势及交易量等因素。振幅大于1限制了股票的波动情况，今日最大跌幅在-5%和-4%之间限制了交易损失，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万限制了交易量，避免了流动性过低的股票。这些条件综合筛选，可以获取到价格波动较大，但市场在短期内处于上涨趋势，且有一定市场流动性的股票。
有何风险？
本选股策略存在市场短期波动风险。此外，振幅大、波动性大的股票容易受到市场风险因素和投机行为的影响，操作难度和风险较高。同时，本选股逻辑过分强调交易量因素，可能会忽略其他可能有潜力的股票。另外，交易量指标容易被操纵，需要谨慎使用。
如何优化？
本选股策略可加入其他技术分析指标，如KD指标、RSI指标等为后续选股提供更准确的信号。同时，可集成大数据技术，增加各类数据指标，如基本面数据、资金流向等，提高选择股票的准确度。同时，可以加入止损等风险控制措施，进一步控制选股策略带来的风险。
最终的选股逻辑
本选股策略选取符合以下条件的股票：
- 振幅大于1；
- 今日最大跌幅在-5%和-4%之间；
- 竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万。
通过筛选符合条件的股票，进行长短期投资操作。
同花顺指标公式代码参考
以下是本选股策略的通达信指标代码：
C1: V > 1
C2: PCTCHG > -0.05 AND PCTCHG < -0.04
C3: ABS(ZT - JC) > 0
C4: TDXD_VOL > 7000000
C5: COUNTC(C1 AND C2 AND C3 AND C4, 1) > 0
BULL: SELECTC(C5, 0, 1)
其中，C1 表示振幅大于1，C2 表示今日最大跌幅在-5%和-4%之间，C3 表示竞价时涨跌幅买入大单和特大单的绝对买入量和开盘价之差的绝对值大于0。C4 表示特大单共计买入量大于0.7千万。SELECTC 表示某一条件是否满足。
python代码参考
import tushare as ts
# 判断当日是否符合筛选条件
def check_today(df):
df_today = df.iloc[-1]
v = df_today['vol']
pct_chg = df_today['pct_chg']/100
zt = df_today['open']*1.1
jc = df_today['pre_close']
tdx_vol = df_today['b1_v'] + df_today['b2_v'] + df_today['b3_v'] + df_today['b4_v'] + df_today['b5_v'] + df_today['s1_v'] + df_today['s2_v'] + df_today['s3_v'] + df_today['s4_v'] + df_today['s5_v']
td_vol_limit = 7000000
return v>1 and pct_chg > -0.05 and pct_chg < -0.04 and abs(zt-jc)>0 and tdx_vol > td_vol_limit
# 选取符合条件的股票
def select_stock():
selected_stocks = []
all_stocks = ts.get_stock_basics()
for code in all_stocks.index:
k_data = ts.get_hist_data(code)
if check_today(k_data):
selected_stocks.append(code)
return selected_stocks
print(select_stock())
以上代码仅供参考，具体实现应根据实际情况进行调整。其中，使用了 tushare 库进行了选股和数据获取。
## 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。
