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和企业性质符合要求的股票。
选股逻辑分析
本选股策略在原基础上增加了考虑企业性质的条件，企业性质可以是地区，行业，或其他特殊条件，这样选择股票的范围更为具体和精准。同时，振幅和大单净量仍然是技术面和资金面的重要指标，在综合考虑之后可以选择具有较强投资潜力的个股。
有何风险？
本选股策略的风险在于企业性质不同反映公司的内在价值和基本面，考虑企业性质的过于主观，有可能对个股的投资价值造成误判。
如何优化？
可以加入其他的基本面指标筛选，比如净利润增长率、营收增长率、负债率等。此外，对于企业性质选择的条件需要进行更为具体和精准的定制，可以考虑具体行业特点来考虑筛选条件，以提高选股效率和精准度。
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和企业性质符合要求的股票。
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 (((industry ="汽车制造") AND (province = "浙江" OR province = "江苏")) OR (industry ="计算机应用")) AND ((H-L)/(C-REF(C,1)) >= 0.6 OR (H-L)/(OPEN-REF(C,1)) >= 0.6) AND RANK(C, -VOL/C) < 20
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：企业性质符合要求
df = df[(df['INDUSTRY'] == '汽车制造') & ((df['PROVINCE'] == '浙江') | (df['PROVINCE'] == '江苏')) | (df['INDUSTRY'] == '计算机应用')]
# 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。
