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，今日均线向上发散的股票。
选股逻辑分析
本选股策略综合考虑了技术面和基本面，利用振幅大于1的条件来筛选波动较大的股票，利用连续3天以上大单净量大于0.05的条件来寻找机构资金的入场信号，利用今日均线向上发散的条件来判断股票的技术面动能向上趋势。同时这三个条件的综合运用，可以筛选出同时具备技术面和资金面支撑的优质个股。
有何风险？
本选股策略的风险在于，单一指标过于简单粗略，未能全面反映股票的内在价值和基本面。同时，个股的技术面和资金面状态也随时可能发生变化，需要及时调整选股策略。
如何优化？
可以加入更多的选股条件，在技术面和基本面上实现双重过滤，同时关注公司业绩和基本面数据的变化，控制持仓周期和风险，提高选股的准确度和稳定性。
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，今日均线向上发散的股票。
同花顺指标公式代码参考
C > MA(C,10) AND MA(C,10)/MA(C,30)>1.1 AND REF(RELATION(C, VOL), 1) >= 0.8 AND C < C.REF * 1.03 AND COUNT(C>MA(C,5),30)>=25 AND ((H-L)/(C-REF(C,1)) >= 0.6 OR (H-L)/(OPEN-REF(C,1)) >= 0.6)
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：今日均线向上发散
df['MAX'] = df['CLOSE'].rolling(10).max()
df['MIN'] = df['CLOSE'].rolling(10).min()
df['MA10'] = df['CLOSE'].rolling(10).mean()
df['MADIV'] = df['MA10'] / df['MA30']
df = df[(df['CLOSE'] > df['MA10']) & (df['MA10'] / df['MA30'] > 1.1)]
# 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。
