问财量化选股策略逻辑
本选股策略选择振幅大于1，连续3天以上大单净量大于0.05，上市大于n年（待定）的股票。
选股逻辑分析
本选股策略基于技术分析和市场表现，继承了前一个选股策略中的振幅和大单净量的筛选逻辑，并新增了上市时间长短做为筛选条件，通过这些指标的结合，确定入选股票。
有何风险？
上市时间较短的公司或新上市公司在业务稳定性、成长性和风险等方面存在较大不确定性。此外，选股条件过于依赖技术指标和市场表现，忽略了宏观经济环境、行业发展等基本面因素的影响，导致选股结果可能没有充分考虑公司的实际价值。
如何优化？
可以考虑加入基本面因素、行业分析等因素作为参考，通过多维度的定量选股模型，优化筛选方法以提高稳定性和准确性。同时，对于上市时间较短的公司，可以设置更为严格而又合理的筛选条件加以限制。
最终的选股逻辑
本选股策略的筛选逻辑为：振幅大于1，连续3天以上大单净量大于0.05，上市时间大于n年（待定）的股票。
同花顺指标公式代码参考
REF(C,1)/CV>0 AND REF(C,1)/CV<2 AND ABS(HIGH-LOW)/REF(C,1)>0.01 AND NETCHANGE()>0 AND SUM(NETVOLUME,3)>0.05*SUM(VOL,3) AND GETYEAR(CURRENTBARDATE)-GETYEAR(IPODATE)>n;
Python代码参考
import pandas as pd
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于1
df['A'] = df.apply(lambda row: max(row['HIGH'] - row['LOW'], abs(row['HIGH'] - row['PREV_CLOSE']), abs(row['LOW'] - row['PREV_CLOSE'])), axis=1)
df = df[(abs(df['HIGH'] - df['PREV_CLOSE']) > df['A']) & (abs(df['LOW'] - df['PREV_CLOSE']) > df['A'])]
# 筛选条件2：连续3天以上大单净量大于0.05
df['VOL_NVI'] = (df['NET_VOLUME'] / df['VOLUME']).rolling(3).sum()
df = df[df['VOL_NVI'] > 0.05]
# 筛选条件3：上市时间大于n年（待定）
df['IPO_YEAR'] = pd.DatetimeIndex(df['IPO_DATE']).year
df['LISTED_YEAR'] = pd.Timestamp('now').year - df['IPO_YEAR']
df = df[df['LISTED_YEAR'] > n]
# 加入更多的过滤条件
df = df[df['EPS'] > 0]
df = df[df['ROE'] > 10]
# 输出选股数据
print(df)
## 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。
